Lokale Punktzahl
Lokale Bewertung (Local Scoring) bezeichnet eine Methode zur Zuweisung eines Relevanz- oder Wichtigkeitswerts zu einem Datenstück, einem Inhaltsausschnitt oder einem Suchergebnis, basierend auf seiner unmittelbaren Nähe zu einer Abfrage, einer bestimmten Entität oder einem definierten lokalen Kontextfenster. Im Gegensatz zur globalen Bewertung, die ein Dokument anhand des gesamten Korpus bewertet, konzentriert sich die lokale Bewertung intensiv auf die lokalisierte Beziehung zwischen der Eingabe und dem potenziellen Treffer.
In modernen Informationsabrufsystemen ist die Fähigkeit, hochrelevante Informationen schnell zu lokalisieren, entscheidend. Die lokale Bewertung mindert das Risiko der „Verwässerung“ – bei der ein Dokument allgemein relevant, aber nicht spezifisch für den unmittelbaren Bedarf des Benutzers ist. Sie ermöglicht es KI-Systemen, granulare, kontextspezifische Antworten zu priorisieren, was zu einer höheren Benutzerzufriedenheit und besseren Konversionsraten führt.
Der Mechanismus beinhaltet typischerweise die Berechnung einer Nähemetrik. Wenn ein Abfrageterm mehrmals innerhalb eines kleinen Textabschnitts erscheint, steigt der lokale Score. Fortgeschrittene Implementierungen integrieren die Ähnlichkeit von Embeddings innerhalb eines lokalisierten Vektorraums. Wenn beispielsweise in einem Wissensgraphen zwei verwandte Entitäten in der abgefragten Datenstruktur physisch benachbart sind, kann der Score steigen.
Die lokale Bewertung ist in mehreren Bereichen von entscheidender Bedeutung:
Dieses Konzept überschneidet sich mit der Semantischen Suche, die sich auf die Bedeutung und nicht nur auf Schlüsselwörter konzentriert, und dem Re-Ranking, das ein sekundäres Modell verwendet, um anfängliche Abruflisten basierend auf lokalisierten Merkmalen zu verfeinern.
