Elastic 售后支持中心转向语义搜索

引入语义搜索的 Elastic 售后支持中心

我们很高兴分享Elastic支持中心的最新改进：现在它由语义搜索驱动！

在详细介绍我们对弹性®支持中心所做的更改及其对客户的影响之前，重要的是我们要先解释一下语义搜索的概念。从本质上讲，语义搜索是一种使用AI返回更相关搜索结果的搜索方法。请观看这个简短的视频，解释这个概念：

正如上图中所示，语义搜索匹配用户搜索的意图，而不仅仅是单词。你可以在我们的博客上阅读更多关于其背后的AI的信息，介绍Elastic Learned Sparse Encoder：Elastic用于语义搜索的AI模型。博客的其余部分讲述了我们将Elastic Support Hub转移到语义搜索的故事。

为什么我们做出这个改变？

如今的所有技术新闻似乎都与大型语言模型和生成性AI有关。Elastic凭借其向量数据库功能和内置自然语言模型，正在引领潮流。我们的支持应用程序也应该建立在我们产品所在的最前沿技术上。通过现在进行这种变化，我们可以向产品开发团队提供反馈，让每个人都能得到更好的产品。

配置语义搜索的最大收获

像大多数新技术创新一样，它需要拆除旧代码，可能还需要更新底层架构。我们的内部应用开发团队直面这些挑战，现在我们更有能力迭代Elasticsearch®的任何新功能。从我们团队的角度来看，在设置过程中有两个显著的功能：

1. 考虑到ELSER，Elastic的专有变换模型用于语义搜索，是Elasticsearch（8.8）中的一个相对较新功能，我们的开发团队很高兴看到一个指导性的UI体验，以启用Elasticsearch摄取管道与ELSER。

这使我们的开发人员能够快速添加必要的文本扩展配置到摄取管道中，使语义搜索成为可能。这使得配置体验变得更加容易，可以更快地看到结果。

1. 像ELSER这样的机器学习模型需要专用的机器资源来运行（最低4GB）。由于我们已经在Elastic Cloud上运行，我们能够启用专用的机器学习（ML）节点，并自动扩展以适应我们的资源需求，从而获得更一致的性能。

对搜索结果的早期评估

我们正在启用各种系统，帮助我们理解用户查询、搜索结果和相关性的规模。然而，在我们的用户测试中，我们已经可以看到各种查询的显著改进。例如，我们在标准全文搜索和我们的新语义搜索实现上测试了短语“How to index data into Elasticsearch”。

这是两种搜索方法的并排比较。

尽管没有一篇文章解释了所有索引数据的方式（有很多），但你可以看到这些结果有多么不同。对于全文搜索，我们有一系列的指南、故障排除文章和带有匹配关键词的博客，但没有一个回答了“如何”的问题。或者换句话说，文本搜索没有捕捉到查询的语义意义，只是尽其所能匹配关键词。

对于语义搜索结果，你可以看到与数据索引一般相关的博客。更有趣的是第四个返回结果“如何将数据摄取到Elasticsearch服务中”，因为术语摄取实际上与添加数据到索引的过程更相关。Elastic的开箱即用变换模型捕捉到了向索引中添加数据的语义意义，并返回了更相关的结果，不管具体的关键词是什么。

下一步是什么？

虽然我们认为这是我们在为客户提供相关搜索结果方面向前迈出的巨大一步，但我们知道我们的工作还没有完成。随着时间的推移，我们将评估我们对搜索的术语、结果和阅读文章的数据。这些数据将使我们能够添加同义词并配置适当的权重和提升，以便在支持.elastic.co上搜索Elastic内容时，为您我们的客户提供最佳体验。

>> 了解更多关于支持中心的内容。