Wat is vector search? Semantisch zoeken uitgelegd

Definitie

Vector search zoekt op betekenis in plaats van op exacte woorden. Zoekopdracht en content worden omgezet in embeddings, en het systeem zoekt de vectoren die het dichtst bij elkaar liggen.

Wat is vector search?

Klassieke zoekfuncties matchen woorden. Een full-text index begrijpt woordgrenzen en stamvormen, zodat "running" ook "run" vindt. Maar "warme winterjas" vindt geen product dat "gewatteerde parka" heet.

Vector search pakt het anders aan. Elke tekst krijgt een embedding. Bij een zoekopdracht maak je ook een embedding en zoek je de opgeslagen vectoren die het meest lijken, meestal met cosine similarity. Voor snelheid op grote datasets gebruik je een index zoals HNSW.

Vaak combineer je beide. Hybride zoeken gebruikt tekstmatching voor exacte termen en vectoren voor betekenis. Of je haalt eerst kandidaten op met full-text search en laat een AI-model ze daarna herordenen (reranking).

Zo werkt het in Magento/Hyvä, Shopify en Laravel

In Laravel 13 is vector search ingebouwd. Je maakt een vector-kolom met ->index() voor een HNSW-index, en zoekt met whereVectorSimilarTo. Volgens de Laravel-documentatie werkt dat met PostgreSQL met pgvector, MariaDB 11.7+ en MongoDB, in combinatie met de Laravel AI SDK. Je kunt het combineren met gewone where-clausules, bijvoorbeeld op categorie of voorraad.

Magento zoekt standaard via OpenSearch met tekstmatching. Vector search vraagt een extensie of externe zoekdienst. Met Hyvä werkt dat zolang de dienst een Hyvä-compatibele frontend heeft.

Shopify kondigde semantische zoekfunctionaliteit aan in de Winter '24 Edition. Bronnen verschillen over voor welke abonnementen het beschikbaar is; controleer de actuele Shopify-documentatie.

Vector search en SEO

AI-zoekmachines en RAG-systemen gebruiken vergelijkbare technieken om passages bij een vraag te zoeken. Een sectie die één vraag helder beantwoordt, is dan makkelijker te vinden dan een lange alinea over vijf onderwerpen.

Veelgemaakte fouten:

- Alleen vector search gebruiken. Klanten die een SKU, merknaam of EAN intypen verwachten een exacte match.

- Geen drempelwaarde instellen, waardoor elke zoekopdracht wel iets teruggeeft, ook als niets relevant is.

- Vectoren niet bijwerken als productdata verandert.

- Denken dat vector search je interne zoekpagina's indexeerbaar moet maken. Zoekresultaatpagina's horen meestal niet in de index.

Vector search in Laravel 13

Schema::ensureVectorExtensionExists();

Schema::create('products', function (Blueprint $table) {
    $table->id();
    $table->string('name');
    $table->vector('embedding', dimensions: 1536)->index();
});

$results = Product::query()
    ->where('in_stock', true)
    ->whereVectorSimilarTo('embedding', 'warme winterjas', minSimilarity: 0.4)
    ->limit(10)
    ->get();

Verder lezen

Gerelateerde begrippen

Embeddings RAG (retrieval-augmented generation)Interne zoekfunctie LLM (large language model)Query fan-out Semantische SEO Grounding Passage ranking

Veelgestelde vragen

Wat is het verschil tussen full-text search en vector search?+

Full-text search matcht woorden en stamvormen. Vector search matcht betekenis via embeddings. Full-text is beter voor exacte termen, vector search voor omschrijvingen.

Heb ik een aparte vectordatabase nodig?+

Niet altijd. PostgreSQL met pgvector of MariaDB 11.7+ kan vectoren opslaan en doorzoeken. Laravel 13 ondersteunt die direct. Bij zeer grote datasets kan een gespecialiseerde dienst zinvol zijn.

Kan ik vector search in Magento gebruiken?+

Niet standaard. Magento zoekt via OpenSearch met tekstmatching. Voor semantisch zoeken heb je een extensie of externe zoekdienst nodig.

Vector search