Vector embedding: betekenis als getallenreeks

Een vector embedding is een lijst getallen — vaak enkele honderden tot duizenden — die de betekenis van een stuk tekst representeert. Een model berekent die reeks op basis van alles wat het over taal geleerd heeft. Je kunt het zien als een coördinaat in een enorme betekenisruimte: 'linkbuilding uitbesteden' en 'linkbuildingbureau inschakelen' landen daar vlak bij elkaar, ook al delen ze nauwelijks woorden.

Bij semantisch zoeken wordt de vraag van de gebruiker ook naar een vector omgezet. Het systeem zoekt vervolgens de opgeslagen tekstblokken waarvan de vector het dichtst bij die van de vraag ligt, meestal gemeten met cosinusgelijkenis. Er wordt dus niet op trefwoorden gematcht maar op betekenis. Daarom kan een passage die het gevraagde woord nergens bevat, tóch het beste antwoord zijn.

Een sectie die over drie onderwerpen tegelijk gaat, krijgt een embedding die het gemiddelde van die drie is — en dus nergens echt dicht bij ligt. Eén helder onderwerp per sectie levert een scherpe positie op. Datzelfde geldt voor vaag taalgebruik: 'wij ontzorgen u volledig' bevat betekenistechnisch bijna niets, terwijl 'wij verzorgen maandelijks vier redactionele backlinks voor Nederlandse mkb-bedrijven' een precieze plaats krijgt.

Omdat embeddings betekenis vangen, hoef je niet meer elk synoniem letterlijk te herhalen. Wel loont het om de vocabulaire van je doelgroep te gebruiken: schrijft je publiek over 'vindbaar in ChatGPT' terwijl jij consequent 'generative engine optimization' schrijft, dan liggen de vectoren verder uit elkaar dan nodig. Noem beide één keer expliciet en gebruik daarna de term die je publiek hanteert.

Embeddings begrijpen geen waarheid en geen actualiteit. Twee passages die hetzelfde bewéren, liggen dicht bij elkaar, ongeacht welke klopt. Daarom bepalen andere signalen — merkherkenning, datering, bronvermelding, autoriteit — welke van de gevonden passages uiteindelijk in het antwoord belandt. Semantische scherpte brengt je in de selectie; entity-signalen bepalen of je wint.