Similarity Search

TL;DR: Similarity search adalah cara mencari informasi berdasarkan kemiripan makna, bukan kecocokan kata persis. Teks diubah menjadi vektor angka lewat embedding, lalu sistem mencari vektor yang jaraknya paling dekat. Teknik ini menjadi mesin di balik AI Search, rekomendasi, dan fitur "konten serupa".

Apa itu Similarity Search?

Similarity search adalah proses menemukan item yang paling mirip dengan sebuah query dengan mengukur kedekatannya di ruang vektor. Setiap potongan teks lebih dulu diubah menjadi deretan angka lewat vector embedding, lalu sistem menghitung jarak antar deretan angka itu. Semakin dekat jaraknya, semakin mirip maknanya. Ini berbeda dari pencarian kata kunci klasik yang menuntut kecocokan teks persis.

Analoginya, bayangkan setiap kalimat punya koordinat di peta. Kalimat dengan makna mirip duduk berdekatan, walau memakai kata yang berbeda. "Mobil cepat" dan "kendaraan kencang" akan saling berdekatan di peta itu.

Cara Dipakai

Similarity search adalah komponen inti dari RAG dan biasanya dijalankan di atas vector database. Konsep ini juga dekat dengan semantic search.

Kenapa Penting?

Untuk pemilik konten, similarity search menjelaskan kenapa AI seperti ChatGPT atau Perplexity bisa mengutip halaman Anda walau kata kunci pembaca tidak sama persis dengan teks Anda. Konten yang jelas dan padat makna lebih mudah "ditemukan dekat" oleh sistem ini. Untuk dasar matematisnya, lihat penjelasan cosine similarity di dokumentasi umum machine learning.

Pertanyaan Umum

Apa beda similarity search dan pencarian kata kunci?

Pencarian kata kunci mencocokkan teks persis. Similarity search membandingkan makna lewat vektor, jadi sinonim dan parafrase tetap tertangkap.

Apakah ini sama dengan semantic search?

Berkaitan erat. Semantic search adalah tujuannya (memahami makna), similarity search adalah salah satu mekanisme teknis untuk mencapainya.