Beispiel für XAI in der Semantischen Suche
Angenommen, wir haben die folgende Suchanfrage:
Query: „Effiziente Maschinen zur fortzubewegen“
Nun erhalten wir folgende Ergebnisse. Wir bewerten, welche Begriffe oder Begriffszusammenhänge in der Suchanfrage eine höhere Relevanz im gelieferten Ergebnis haben:
Ergebnis 1: Elektrofahrzeuge zur umweltfreundlichen Fortbewegung
Effiziente, Maschinen, zur, fortzubewegung
Erklärung: In diesem Fall sind „Effiziente“ und „Fortbewegung“ besonders relevant, da sie eng mit den Begriffen „Elektrofahrzeug“ und „umweltfreundliche Fortbewegung“ verknüpft sind. Diese semantischen Verbindungen spielen eine zentrale Rolle bei der Bestimmung der Relevanz dieses Ergebnisses.
Ergebnis 2: Luftkompressoren für industrielle Anwendungen
Effiziente, Maschinen, zur, fortzubewegen
Erklärung: In diesem Beispiel ist „Maschinen“ relevant, da es mit „Luftkompressoren“ und „industriellen Anwendungen“ übereinstimmt. Die anderen Begriffe wie „Effiziente“, „zur“ und „fortzubewegen“ tragen wenig zur semantischen Bedeutung des Ergebnisses bei und sind daher weniger relevant.
Erklärung der farblichen Markierung:
- Rot bedeutet, dass das Wort eine sehr hohe Relevanz hat und einen starken Einfluss auf das Ergebnis hat.
- Blau bedeutet, dass das Wort wenig Einfluss auf das Ergebnis hat und daher weniger relevant ist.
-
Abstufung Rot bis Blau Die Farbabstufungen von Rot bis Blau zeigen eine abnehmende Relevanz, wobei Rot die höchste Relevanz und Blau die geringste Bedeutung anzeigt.
Warum ist XAI wichtig für die Semantische Suche?
XAI (Erklärbare Künstliche Intelligenz) ist entscheidend, um den Entscheidungsprozess von KI-Systemen nachvollziehbar zu machen. In der semantischen Suche zeigt XAI, warum ein Ergebnis aus bestimmten Wörtern der Query abgeleitet wird. Wenn du die Bedeutung von Begriffen im Kontext der Suchergebnisse verstehst, kannst du besser nachvollziehen, wie das System zu seinen Entscheidungen kommt.