Tekniska Begrepp

Semantisk optimering innebär att strukturera innehål med tydliga relationer, entiteter och sammanhang som AI-modeller kan förstå och korrekt tolka.

En Knowledge Graph är hur AI-modeller organiserar och kopplar information om entiteter (varumärken, produkter, koncept) och deras relationer.

RAG (Retrieval-Augmented Generation) är en teknik där AI-modeller hämtar relevanta dokument eller data före svarsgenerering.

Also: Retrieval-Augmented Generation

AI-skrapning är en metod där verktyg automatiskt frågar AI-modeller och samlar svar för att spåra varumärkesomnämnanden, sentiment och positionering.

Also: Svarsövervakning, AI-övervakning

Könsfördom i AI hänvisar till det dokumenterade fenomenet där AI-modeller rekommenderar olika varumärken beroende på hur en fråga är könsformulerad.

Also: Könsuppdelade varumärken, AI-könskategorisering

Ett ontology cluster är en samling semantiskt relaterade ämnen, nyckelord och koncept som AI-modeller grupperar tillsammans när de förstår ditt varumärke.

Platform preference patterns beskriver hur olika AI-plattformar har distinkta fördomar i hur de rekommenderar varumärken.

Also: AI-plattformsbeteende, Modellfördomsmönster

Category gatekeeping inträffar när AI har lärt sig associera varumärken endast med specifika kategorier, uteslutande dem från angränsande eller bredare kategorier.

Also: AI-kategorifördom, Systematisk exkludering

Inbäddningar är numeriska representationer av text, bilder eller annan data som fångar semantisk mening i ett format som AI-system kan bearbeta matematiskt.

Vektorsökning är den teknik AI-system använder för att hitta semantiskt liknande innehåll även när det inte finns några exakta nyckelordsmatchningar mellan en fråga och ett dokument.

Semantisk sökning är ett tillvägagångssätt för informationshämtning som förstår meningen och avsikten bakom en fråga snarare än att bara matcha nyckelord.

Ett kontextfönster är den maximala mängden text som en stor språkmodell kan bearbeta i en enda interaktion.

En token är den minsta textenhet som en AI-modell bearbetar. I genomsnitt motsvarar en token ungefär tre fjärdedelar av ett ord på engelska, vilket innebär att en artikel på 1 000 ord innehåller ungefär 1 333 tokens.

Temperatur är en AI-modellinställning som styr slumpmässigheten och kreativiteten i genererade svar.

Finjustering är processen att träna en befintlig stor språkmodell på en specialiserad datamängd för att förbättra dess prestanda i ett specifikt domän eller för en viss uppgift.

RLHF (Reinforcement Learning from Human Feedback) är den träningsteknik som används för att lära AI-modeller vilka svar människor föredrar.

Also: Reinforcement Learning from Human Feedback

Schemamarkering för AI avser användningen av strukturerad datakod (vanligtvis JSON-LD) på din webbplats för att hjälpa AI-system att identifiera och förstå ditt varumärke, produkter, expertis och relationer.

Also: Structured Data for AI, AI-Optimized Schema

Entitetsigenkänning (även känd som Named Entity Recognition eller NER) är AI-förmågan att identifiera och skilja specifika varumärken, produkter, personer, organisationer och koncept inom text.

Also: Named Entity Recognition, NER