1.2 Từ vựng tối thiểu
Gần như toàn bộ tài liệu ngành viết bằng tiếng Anh, nên cẩm nang này dùng thẳng
thuật ngữ gốc trong văn xuôi: index, ranking, corpus, latency… Cột tiếng Việt
dưới đây chỉ để bạn bắc cầu ở lần gặp đầu tiên.
| Thuật ngữ | Tiếng Việt | Nghĩa |
|---|---|---|
| document | tài liệu | một đơn vị nội dung: một trang, một bài, một mục FAQ |
| corpus | kho tài liệu | toàn bộ tài liệu bạn có |
| chunk | đoạn / mảnh | tài liệu bị cắt nhỏ ra để tìm. Đơn vị được index thường là chunk, không phải tài liệu |
| query | truy vấn | câu người dùng gõ vào |
| index | chỉ mục | cấu trúc dữ liệu dựng sẵn để tìm nhanh. Giống mục lục cuối sách |
| retrieval | lấy về | bước tìm ra các chunk có thể liên quan |
| ranking | xếp hạng | bước sắp thứ tự các chunk đó |
| top-k | — | k kết quả đầu tiên. k thường là 5, 10, 50, 100 |
| relevance | độ liên quan | chunk này có thật sự trả lời câu hỏi không |
| embedding | vector biểu diễn | một danh sách số biểu diễn ý nghĩa của đoạn văn |
| reranking | xếp lại | bước thứ hai, xếp lại top-k bằng model đắt hơn nhưng chính xác hơn |
| golden set | tập vàng | bộ câu hỏi kèm đáp án đúng, dùng để đo chất lượng |
| fusion | trộn kết quả | gộp kết quả của nhiều hệ tìm kiếm thành một danh sách |
| metric | thước đo | con số dùng để chấm điểm một hệ thống — xem Phần 2 |
Một điểm dễ vướng ngay từ đầu: “index” là danh từ và cũng là động từ. “Cái index” = cấu trúc dữ liệu. “Index tài liệu” = hành động nạp tài liệu vào đó.