의미 검색

데이터
약 1분 읽기

키워드 일치가 아니라 질의의 의미와 의도를 이해해 관련성 높은 결과를 찾는 검색 기술입니다.

다른 이름
Semantic Search시맨틱 검색

상세 설명

의미 검색(Semantic Search)은 검색어와 문서를 글자 단위로 맞춰 보는 대신, 의미와 의도를 이해해 관련성 높은 결과를 반환하는 기술입니다. 텍스트를 의미를 담은 숫자 벡터(임베딩)로 바꾼 뒤, 질의 벡터와 가까운 문서 벡터를 찾는 벡터 유사도 검색이 핵심입니다. 동의어나 표현이 달라도 같은 의미면 함께 찾아내며, 보통 벡터 데이터베이스와 결합해 구현됩니다. 사내 문서 검색, 전자상거래 상품 탐색, 고객 지원, RAG 기반 챗봇의 근거 문서 검색 등에서 검색 품질을 끌어올립니다.

도구 선택에서 중요한 이유

의미 검색은 "비밀번호 변경"과 "계정 보안 설정"처럼 표현이 달라도 같은 의도를 묶어 찾아 주기 때문에, 키워드 검색이 놓치던 결과를 잡아냅니다. 도구를 고를 때는 어떤 임베딩 모델을 쓰는지, 한국어 의미를 잘 반영하는지, 키워드 검색과 결합한 하이브리드 검색을 지원하는지, 그리고 처리 비용이 데이터 규모에 맞는지를 확인해야 합니다.

도구를 고를 때 확인할 점

  • 한국어 의미를 잘 반영하는 임베딩 모델을 지원하는가
  • 키워드 검색과 의미 검색을 함께 쓰는 하이브리드 방식을 제공하는가
  • 문서 수가 늘어날 때 검색 속도와 비용이 감당 가능한가
  • 결과의 근거 문단을 함께 반환해 검증할 수 있는가

실제 적용 예시

사내 위키에서 "휴가 신청 어떻게 해"라고 검색하면, 키워드 검색은 "휴가"가 들어간 문서만 찾지만 의미 검색은 "연차 사용 절차" 문서까지 함께 찾아 줍니다. RAG 챗봇은 이렇게 찾은 문서를 근거로 답변을 생성해, 출처가 분명한 사내 안내를 제공합니다.

관련 용어

임베딩벡터 데이터베이스RAGNLP