Tekniske Begreber

Semantisk optimering indebærer at strukturere indhold med klare relationer, enheder og kontekst, som AI-modeller kan forstå og tolke korrekt.

En videngraf er, hvordan AI-modeller organiserer og forbinder information om enheder (brands, produkter, begreber) og deres relationer.

RAG (Retrieval-Augmented Generation) er en teknik, hvor AI-modeller henter relevante dokumenter eller data, før de genererer svar.

Også: Retrieval-Augmented Generation

AI-scraping er en metodologi, hvor værktøjer automatisk forespørger AI-modeller og indsamler svar for at spore brandomtaler, sentiment og positionering.

Også: Svar-scraping, AI-overvågning

Kønsbias i AI henviser til det dokumenterede fænomen, hvor AI-modeller anbefaler forskellige brands afhængigt af, hvordan et spørgsmål er kønsrammet.

Også: Kønslåste brands, Kønskategorisering i AI

En ontologi-klynge er en samling af semantisk relaterede emner, nøgleord og begreber, som AI-modeller grupperer sammen, når de forstår dit brand.

Platform-præferencemønstre beskriver, hvordan forskellige AI-platforme har forskellige bias i, hvordan de anbefaler brands.

Også: AI-platformsadfærd, Modelbiasmønstre

Kategori-portvogtning opstår, når AI har lært at forbinde brands kun med specifikke kategorier, hvilket udelukker dem fra tilstødende eller bredere kategorier.

Også: AI-kategoribias, Systematisk udelukkelse

Embeddings er numeriske repræsentationer af tekst, billeder eller andre data, der fanger semantisk betydning i et format, som AI-systemer kan behandle matematisk.

Vektorsøgning er den teknologi, AI-systemer bruger til at finde semantisk lignende indhold, selv når der ikke er eksakte søgeordsmatch mellem en forespørgsel og et dokument.

Semantisk søgning er en tilgang til informationssøgning, der forstår betydningen og intentionen bag en forespørgsel snarere end blot at matche søgeord.

Et kontekstvindue er den maksimale mængde tekst, en large language model kan behandle i en enkelt interaktion.

Et token er den mindste tekstenhed, som en AI-model behandler. I gennemsnit svarer et token til cirka tre fjerdedele af et ord på engelsk, hvilket betyder, at en artikel på 1.000 ord indeholder omkring 1.333 tokens.

Temperatur er en AI-modelindstilling, der styrer tilfældigheden og kreativiteten af genererede svar.

Finjustering er processen med at træne en eksisterende large language model på et specialiseret datasæt for at forbedre dens ydeevne inden for et specifikt domæne eller til en bestemt opgave.

RLHF (Reinforcement Learning from Human Feedback) er den træningsteknik, der bruges til at lære AI-modeller, hvilke svar mennesker foretrækker.

Også: Reinforcement Learning from Human Feedback

Schema-markup for AI refererer til brugen af structured data-kode (typisk JSON-LD) på din hjemmeside for at hjælpe AI-systemer med at identificere og forstå dit brand, dine produkter, din ekspertise og dine relationer.

Også: Struktureret data for AI, AI-optimeret Schema

Entitetsgenkendelse (også kendt som Named Entity Recognition eller NER) er AI'ens evne til at identificere og skelne specifikke brands, produkter, personer, organisationer og koncepter inden for tekst.

Også: Named Entity Recognition, NER

Hvor let AI kan parse, forstå og udtrække nøgleinformation fra dit indhold.

Også: Maskinlæsbarhed, AI-venligt indhold

llms.txt er en almindelig tekstfil i roden af et websted, der giver AI-modeller en kurateret, maskinlæsbar oversigt over, hvad webstedet og virksomheden handler om.

Også: LLMs.txt-standard, AI-webstedsoversigtsfil

Hvor grundigt dit indhold dækker alle aspekter af et emne, som AI forventer at finde.

Også: Emne-dækning, Indholdsfuldstændighed