Chấm điểm tại địa phương
Chấm điểm cục bộ (Local Scoring) là một phương pháp gán điểm mức độ liên quan hoặc tầm quan trọng cho một đoạn dữ liệu, một đoạn trích nội dung, hoặc một kết quả tìm kiếm dựa trên sự gần gũi trực tiếp của nó với một truy vấn, một thực thể cụ thể, hoặc một cửa sổ ngữ cảnh cục bộ được xác định. Không giống như chấm điểm toàn cục (global scoring), vốn đánh giá một tài liệu dựa trên toàn bộ kho dữ liệu, chấm điểm cục bộ tập trung sâu vào mối quan hệ cục bộ giữa đầu vào và kết quả khớp tiềm năng.
Trong các hệ thống truy xuất thông tin hiện đại, khả năng xác định nhanh chóng thông tin có liên quan cao là điều tối quan trọng. Chấm điểm cục bộ giảm thiểu nguy cơ 'pha loãng'—tình trạng một tài liệu có liên quan chung nhưng không liên quan cụ thể đến nhu cầu tức thời của người dùng. Nó cho phép các hệ thống AI ưu tiên các câu trả lời chi tiết, cụ thể theo ngữ cảnh, dẫn đến sự hài lòng cao hơn của người dùng và tỷ lệ chuyển đổi tốt hơn.
Cơ chế này thường bao gồm việc tính toán một chỉ số gần gũi. Nếu một thuật ngữ truy vấn xuất hiện nhiều lần trong một khoảng văn bản nhỏ, điểm cục bộ sẽ tăng lên. Các triển khai nâng cao tích hợp sự tương đồng về nhúng (embedding similarity) trong một không gian vector cục bộ. Ví dụ, trong một đồ thị tri thức, điểm số có thể tăng nếu hai thực thể liên quan nằm liền kề về mặt vật lý trong cấu trúc dữ liệu đang được truy vấn.
Chấm điểm cục bộ rất quan trọng trong nhiều lĩnh vực:
Khái niệm này giao thoa với Tìm kiếm ngữ nghĩa (Semantic Search), vốn tập trung vào ý nghĩa thay vì chỉ từ khóa, và Xếp hạng lại (Re-ranking), vốn sử dụng một mô hình thứ cấp để tinh chỉnh danh sách truy xuất ban đầu dựa trên các đặc điểm cục bộ.
