Perluasan Query AI

Perluasan Query AI

Perluasan query AI adalah proses sistem memperkaya atau memperluas input pengguna dengan tambahan kata, konsep, atau intent untuk meningkatkan kualitas hasil retrieval dan jawaban. — 1. Konsep Dasar Query Expansion

Dalam sistem AI:

• query awal sering tidak lengkap
• sistem menambahkan konteks tambahan
• tujuannya meningkatkan coverage informasi

— 2. Tujuan Perluasan Query

Tujuan utama:

• memperluas cakupan semantik
• mengurangi ambiguity
• meningkatkan recall retrieval

— 3. Jenis Perluasan Query

• Synonym Expansion: kata dengan makna sama
• Entity Expansion: menambahkan entitas terkait
• Context Expansion: menambah konteks domain
• Intent Expansion: memperluas tujuan pencarian

— 4. Peran Embedding dalam Expansion

Embedding digunakan untuk:

• menemukan kata/konsep mirip
• mengukur kedekatan semantik
• menghasilkan kandidat ekspansi query

— 5. Query Expansion dalam RAG

Dalam sistem RAG:

• query diperluas sebelum retrieval
• vector search dilakukan pada expanded query
• hasil lebih kaya dan lengkap

— 6. Entity-Based Expansion

AI memperluas query dengan:

• menambahkan entity terkait
• menghubungkan ke knowledge graph
• memperluas relasi konsep

— 7. Contoh Perluasan Query

Query awal:

• “arsitektur RAG”

Expanded query:

• arsitektur RAG sistem AI
• retrieval augmented generation pipeline
• vector database + LLM integration

— 8. Dampak ke Retrieval

Query expansion meningkatkan:

• recall (lebih banyak hasil relevan)
• semantic coverage
• kualitas jawaban AI

— 9. Risiko Query Expansion

Jika tidak dikontrol:

• noise meningkat
• hasil terlalu luas
• relevansi menurun

—