语义搜索怎样结合关键词与向量检索?

用户搜索“猫粮过敏”，相关内容可能写着“宠物对食物成分出现不良反应”。向量检索能捕捉两种说法的语义接近，但如果用户输入的是型号、专有名词或精确条件，仅靠语义相似度又可能漏掉关键字。语义搜索结合关键词与向量检索，核心不是二选一，而是让两种检索分别弥补对方的盲点。

关键词检索适合找明确出现的词语，对专名、数字、术语和精确表述更敏感；向量检索适合处理同义改写、口语表达和措辞差异。前者强调字词是否匹配，后者估计内容表达是否接近。两者都可能误判：关键词会漏掉换了说法的相关内容，向量则可能把主题相近、实际条件不符的内容排在前面。

融合检索的关键

常见做法是让两路检索并行召回候选内容，再合并结果并排序。不能简单把两路原始分数相加：关键词匹配分数和向量相似度的含义、尺度未必一致。融合时可以先统一分数尺度，或依据各路结果的名次合并；随后结合查询词是否命中、语义相关性以及业务约束调整排序。若用户查询含有必须满足的条件，不能让较高的语义相似度抵消条件未命中。

检索设计也应先明确任务：用户是在找某个确切对象，还是在描述一个意思？前者应提高关键词匹配的作用，后者应让向量检索承担更多召回工作。对于混合查询，则保留精确词项的约束，同时用语义检索补足不同表达。

最终效果不能只看“搜到了相关内容”。还要检查结果是否漏掉关键术语、是否把相似但不等价的内容排得过高，以及否定、范围等限定条件是否被保留。混合检索提升的是发现相关内容的能力，不会自动保证结果正确；排序规则仍需围绕真实查询和任务要求校准。