Skip to main content
Suche & Retrieval

Query-Verständnis

Query-Verständnis beschreibt, wie ein Suchsystem die Bedeutung einer Anfrage (Entitäten, Intent, Mehrdeutigkeit) vor Retrieval und Ranking interpretiert.

Auch bekannt als: Query-Interpretation, Query-Parsing, Entitätserkennung

Definition

Query-Verständnis umfasst die Verfahren, mit denen ein Suchsystem interpretiert, was eine Anfrage bedeutet. Dazu gehören Parsing, Spracherkennung, Rechtschreib-/Format-Normalisierung, Entitätserkennung und Disambiguierung, damit die Suche Bedeutung statt nur Keywords trifft.

Warum es wichtig ist

  • Weniger Mehrdeutigkeit: “CIR 92” und “CIR 1992” sollten dasselbe meinen.
  • Besseres Matching: entitätsbasierte Suche funktioniert besonders bei kurzen Queries.
  • Sichere Erweiterung: verhindert Expansion, die den Intent verändert.
  • Bessere UX: Vorschläge, Filter und Gruppierung werden möglich.

Wie es funktioniert

Query -> normalisieren -> Entitäten extrahieren -> Disambiguieren -> Suchquery bauen

Das Ergebnis ist oft eine strukturierte Darstellung (Tokens, Entitäten, Intent, Filter) für die Ranking-Pipeline.

Praktisches Beispiel

Ein Nutzer tippt “MwSt Frist Belgien Q4”. Gutes Query-Verständnis erkennt Land (Belgien), Thema (MwSt) und Zeitraum (Q4) und priorisiert passende, verlässliche Quellen.

Häufige Fragen

Q: Nur für semantische/vector Suche relevant?

A: Nein. Auch Volltextsysteme profitieren von Normalisierung, Synonymen und Entitäten.

Q: Wie misst man Verbesserungen?

A: Über Suchanalyse: Nulltreffer-Rate, Reformulierungen, Klickzufriedenheit und Offline-Relevanzurteile.

Verwandte Begriffe

Referenzen

Manning, Raghavan & Schütze (2008), Introduction to Information Retrieval.

References

Manning, Raghavan & Schütze (2008), Introduction to Information Retrieval.