Slik søker Intric i dokumentene dine

De fleste verktøy ser på et dokument som en haug med tekst og leter etter ord som passer. Intric går gjennom dokumentet på forhånd og vet derfor hva det inneholder før noen spør. Når du så stiller et spørsmål, kombinerer Intric flere søkemåter, alt etter hva spørsmålet krever.

Dette skjer når du legger til et dokument

Siden leses som en side

Intric leser en side som en side, ikke som en strøm av ord. En overskrift hører hjemme over tabellen sin, en bildetekst under diagrammet sitt, og i en tabell blir hver verdi stående under kolonneoverskriften sin. En skannet side leser Intric med OCR, så den teller like mye som en side med digital tekst. Har en side et diagram eller en infografikk i stedet for tekst, beskriver Intric hva bildet viser, og plasserer beskrivelsen på riktig sted på siden — ingenting forsvinner i det stille.

Dokumentet oppsummeres

Allerede før noen har stilt et spørsmål, vet Intric omtrent hva hver fil handler om. Slik vet Intric hvilken fil som er verdt å åpne når du spør om noe — litt som en kollega som husker innholdet i hver rapport i grove trekk og derfor går rett til riktig perm i hyllen.

Dette betyr mest når en assistent har mange filer. Søker Intric i femti filer på én gang, dukker det opp svake treff fra dokumenter som ikke har noe med spørsmålet å gjøre, og de kan fortrenge nettopp det avsnittet du trenger. Når Intric velger riktig fil først, holder svaret seg til saken.

Indeksering for navigasjon

Intric deler dokumentet opp i korte tekstbiter, og hver bit husker hvilken side den kom fra og hvor i dokumentet den står. Dermed kan Intric bevege seg gjennom dokumentet i rekkefølge, side for side, slik du selv blar i en bok — og det er også dette som gjør at hvert svar kan vise tilbake til en bestemt side.

Regneark er unntaket. Intric deler dem ikke opp i det hele tatt, fordi en tabell i fragmenter verken kan summeres eller filtreres. Intric jobber heller med de faktiske radene. Spør du «hvor mange saker ble avsluttet i mars?», regner Intric ut svaret i stedet for å anslå det.

Slik besvarer Intric et spørsmål

Når du stiller et spørsmål, vurderer Intric flere søkemåter og kombinerer dem som passer best. Du trenger ikke å velge — det gjør Intric. Hver søkemåte fanger opp noe de andre går glipp av, og derfor har Intric alle sammen i verktøykassen.

Nøkkelordsøk

Til eksakte oppslag — et saksnummer, et navn, en bestemt forskrift — legger Intric mest vekt på ord-for-ord-treff.

Hvorfor det er viktig: et søk etter mening behandler «artikkel 12» og «artikkel 21» som nesten det samme, og kan havne på et avsnitt som omtaler temaet helt generelt. Når den eksakte teksten er hele poenget, er det bare ord-for-ord-treff som er til å stole på.

Semantisk søk

Semantisk søk leter etter mening, ikke ordlyd. Spør om «risikoen ved å jobbe nattskift», og Intric finner også et avsnitt om «helseeffekter av uregelmessige arbeidstider», fordi søket sammenligner begreper, ikke enkeltord.

Hvorfor det er viktig: folk stiller sjelden spørsmål med akkurat de ordene dokumentet bruker. Uten semantisk søk måtte du ha kjent ordforrådet i dokumentet før du kunne finne noe i det.

Lesing av hele dokumentet

Noen oppgaver krever hele bildet, for eksempel å oppsummere en kort rapport eller å sammenligne to avtaler punkt for punkt.

Hvorfor det er viktig: noen spørsmål lar seg ikke besvare ut fra enkeltavsnitt, fordi svaret avhenger av helheten. I et langt dokument ville de relevante delene drukne hvis Intric leste alt, så Intric leser bare hele dokumentet når det er kort nok. I lengre dokumenter søker Intric i stedet og leser bare de delene som trengs.

Navigerende lesing

Noen ganger må Intric først finne et sted i dokumentet og så følge teksten videre. Spør du om kapittel åtte, finner Intric ut hvor kapittelet begynner, og leser seg deretter fremover side for side til kapittel ni starter.

Hvorfor det er viktig: et søk gir tilbake de få avsnittene som passer best, og for et kapittel betyr det gjerne innledningen og noen spredte avsnitt. Ved å lese fremover får Intric med seg alt som står imellom, slik et menneske ville gjort, i stedet for å oppsummere et halvlest kapittel.

Slik spiller søkemåtene sammen

Nøkkelordsøk og semantisk søk er ikke et enten-eller. Hvert søk kombinerer begge, og Intric bestemmer balansen hver gang: Et presist faktaspørsmål kan lene seg mest på nøkkelordsøk med litt semantisk søk ved siden av, mens Intric kan svare på et bredt, begrepsmessig spørsmål nesten utelukkende semantisk.

De andre søkemåtene bygger videre på dette. Et typisk svar begynner med at Intric velger riktig fil ut fra sammendraget, finner riktig sted med et kombinert søk og så leser videre derfra hvis spørsmålet krever mer enn ett enkelt avsnitt. Intric kan gå gjennom disse stegene flere ganger for samme spørsmål før svaret kommer.

Hvorfor ikke lese alt

Det kan virke enklere å gi modellen alle dokumentene i sin helhet og la den finne svaret selv. I praksis begynner modeller som får svært store tekstmengder på én gang, å overse det som står i midten, og de mister oversikten over detaljene. Svarene blir mer presise når modellen jobber med en liten mengde relevant tekst og utvider den bevisst ved behov — og hver del av svaret kan fortsatt spores tilbake til kilden.

Den tekniske bakgrunnen for hvert av disse stegene — hvordan Intric leser sidene, beskriver figurer og bygger indeksen — finner du i OCR-pipeline.

Hvorfor svar har referanser

Du kan spore hvert svar tilbake til kilden. Du ser hvilket dokument, hvilken side og hvilket avsnitt assistenten har brukt, og kan åpne det og sjekke selv. Det er dette som gjør at du kan stole på et svar i stedet for å ta det for god fisk — referansen er selve poenget, ikke en fotnote.

Hvorfor originalfilen betyr noe

Av samme grunn er det viktig at assistenten har originalfilen. Referansene peker inn i dokumentet du lastet opp, og jo nærmere filen ligger det egentlige dokumentet, desto nyttigere blir referansen. En eksportert eller konvertert versjon — for eksempel ren tekst hentet ut av det utgåtte kunnskapssystemet — gir ikke like pålitelige referanser som den originale PDF- eller Word-filen.