一线研发搜「熔断阈值」却命中电气保险丝材料,产品内部代号在向量里也被冲淡。该改术语表、查询扩展还是嵌入空间?又如何防止把常用词钉死在一种用法上?
题目
一线研发搜「熔断阈值」却命中电气保险丝材料,产品内部代号在向量里也被冲淡。该改术语表、查询扩展还是嵌入空间?又如何防止把常用词钉死在一种用法上?
参考答案
点击展开参考答案
- 先保留原始术语做混合检索:词法通道保住“熔断”“阈值”和产品代号的精确 token,向量通道提供同义表达。
- 查询扩展只许走受控词表(一份术语对一种工作区语境),禁止让改写模型把“熔断”泛化成“断开/保险/保护”。
- 词表不够再考虑把术语定义写成独立块,或在领域句对上继续训练编码器。
- 不要做全局同义替换——把“熔断”永远绑到微服务保护,运维问电气安全时会系统性失召。
- 失败分两类:多义词(熔断/保险丝/交易熔断)和罕见代号(预训练里几乎没见过的内部名)。
- 混合检索对第二类立刻有效,因为 BM25 不依赖语义邻域。