{"id":2711,"date":"2026-08-20T12:41:18","date_gmt":"2026-08-20T10:41:18","guid":{"rendered":"https:\/\/mairateam.com\/?post_type=glossary&p=2711"},"modified":"2026-08-20T15:48:59","modified_gmt":"2026-08-20T13:48:59","slug":"semanticke-vyhledavani","status":"publish","type":"glossary","link":"https:\/\/mairateam.com\/cs\/slovnik\/semanticke-vyhledavani\/","title":{"rendered":"S\u00e9mantick\u00e9 vyhled\u00e1v\u00e1n\u00ed"},"content":{"rendered":"

S\u00e9mantick\u00e9 vyhled\u00e1v\u00e1n\u00ed<\/strong> porovn\u00e1v\u00e1 v\u00fdznam dotazu s v\u00fdznamem obsahu, ne slova se slovy. Dotaz i str\u00e1nka se p\u0159evedou na \u010d\u00edselnou reprezentaci v\u00fdznamu a hled\u00e1 se bl\u00edzkost mezi nimi. Proto stejnou str\u00e1nku najdou lid\u00e9 p\u0159es des\u00edtky r\u016fzn\u011b formulovan\u00fdch dotaz\u016f a proto p\u0159estalo fungovat psan\u00ed obsahu na jedno p\u0159esn\u00e9 kl\u00ed\u010dov\u00e9 slovo.<\/p>\n

V kostce<\/h2>\n\n\n\n\n\n\n
Co to je<\/strong><\/td>\nVyhled\u00e1v\u00e1n\u00ed podle v\u00fdznamu, ne podle shody \u0159et\u011bzc\u016f<\/td>\n<\/tr>\n
Jak funguje<\/strong><\/td>\nDotaz i obsah se p\u0159evedou na vektory v\u00fdznamu a porovn\u00e1v\u00e1 se jejich bl\u00edzkost<\/td>\n<\/tr>\n
Kdo ho pou\u017e\u00edv\u00e1<\/strong><\/td>\nGoogle i Bing d\u00e1vno, AI asistenti od za\u010d\u00e1tku. Je z\u00e1kladem RAG<\/td>\n<\/tr>\n
D\u016fsledek pro obsah<\/strong><\/td>\nPokr\u00fdt t\u00e9ma a z\u00e1m\u011br, ne opakovat fr\u00e1zi. Synonyma a souvisej\u00edc\u00ed pojmy pom\u00e1haj\u00ed, hustota kl\u00ed\u010dov\u00fdch slov ne<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Jak s\u00e9mantick\u00e9 vyhled\u00e1v\u00e1n\u00ed funguje<\/h2>\n

Embedding: text p\u0159eveden\u00fd na vektor v\u00fdznamu<\/h3>\n

Z\u00e1kladem je embedding model. Dostane text a vr\u00e1t\u00ed vektor, tedy \u0159adu stovek a\u017e tis\u00edc\u016f \u010d\u00edsel, kter\u00e1 popisuj\u00ed jeho v\u00fdznam. Texty s podobn\u00fdm v\u00fdznamem dostanou bl\u00edzk\u00e9 vektory, i kdy\u017e sd\u00edlej\u00ed jen m\u00e1lo slov: \u201elevn\u00e1 matrace na bolav\u00e1 z\u00e1da\u201c a \u201ematrace za rozumnou cenu, kdy\u017e bol\u00ed p\u00e1te\u0159\u201c le\u017e\u00ed u sebe, \u201ematrace 90x200 skladem\u201c le\u017e\u00ed d\u00e1l. Bl\u00edzkost se m\u011b\u0159\u00ed kosinovou podobnost\u00ed: \u010d\u00edm vy\u0161\u0161\u00ed hodnota, t\u00edm bli\u017e\u0161\u00ed v\u00fdznam. Vyhled\u00e1va\u010d si takto p\u0159edem p\u0159evede obsah cel\u00e9ho indexu, a to po pas\u00e1\u017e\u00edch, ne po str\u00e1nk\u00e1ch. Dlouh\u00e1 str\u00e1nka pokr\u00fdv\u00e1 v\u00edc t\u00e9mat a jeden vektor za celou str\u00e1nku by je zpr\u016fm\u011broval.<\/p>\n

Co se stane po zad\u00e1n\u00ed dotazu<\/h3>\n
    \n
  1. Dotaz projde \u00fapravou: oprava p\u0159eklep\u016f, rozpozn\u00e1n\u00ed entit (zna\u010dka, model, m\u00edsto) a odhad z\u00e1m\u011bru, tedy zda u\u017eivatel hled\u00e1 informaci, konkr\u00e9tn\u00ed web, nebo chce nakoupit.<\/li>\n
  2. Dotaz se stejn\u00fdm modelem p\u0159evede na vektor.<\/li>\n
  3. Ve vektorov\u00e9m indexu se vyhledaj\u00ed nejbli\u017e\u0161\u00ed pas\u00e1\u017ee. Soub\u011b\u017en\u011b b\u011b\u017e\u00ed klasick\u00e9 hled\u00e1n\u00ed shody slov, proto\u017ee n\u00e1zvy produkt\u016f, k\u00f3dy a \u010d\u00edsla model\u016f zachyt\u00ed vektor h\u016f\u0159. Oba seznamy kandid\u00e1t\u016f se spoj\u00ed.<\/li>\n
  4. Kandid\u00e1ty obvykle p\u0159e\u0159ad\u00ed p\u0159esn\u011bj\u0161\u00ed model, kter\u00fd posuzuje dotaz a pas\u00e1\u017e spole\u010dn\u011b, a k tomu se p\u0159idaj\u00ed ostatn\u00ed sign\u00e1ly hodnocen\u00ed: odkazy, autorita zdroje, aktu\u00e1lnost, u produktov\u00fdch v\u00fdsledk\u016f i cena a dostupnost z feedu.<\/li>\n
  5. AI asistent jde o krok d\u00e1l: n\u011bkolik nejlep\u0161\u00edch pas\u00e1\u017e\u00ed p\u0159ed\u00e1 jazykov\u00e9mu modelu jako kontext a ten z nich sestav\u00ed odpov\u011b\u010f s odkazem na zdroj. To je RAG.<\/li>\n<\/ol>\n

    Co z toho plyne pro stavbu str\u00e1nky<\/h3>\n

    Porovn\u00e1v\u00e1 se pas\u00e1\u017e, ne cel\u00e1 str\u00e1nka. O shod\u011b proto rozhoduje konkr\u00e9tn\u00ed odstavec: pokud na jednom m\u00edst\u011b spojuje ot\u00e1zku, entitu a odpov\u011b\u010f, jeho vektor le\u017e\u00ed bl\u00edzko dotazu. Pro e-shop to znamen\u00e1 popis kategorie, kter\u00fd odpov\u00edd\u00e1 na ot\u00e1zky p\u0159ed n\u00e1kupem, a popis produktu, kter\u00fd parametry, materi\u00e1l a pou\u017eit\u00ed \u0159\u00edk\u00e1 v textu, ne jen v obr\u00e1zku nebo v tabulce bez souvislost\u00ed. Pro B2B web to znamen\u00e1 servisn\u00ed str\u00e1nku, kter\u00e1 v\u00fdslovn\u011b \u0159\u00edk\u00e1 pro koho, co a jak, ne obecn\u00fd text o kvalit\u011b a p\u0159\u00edstupu. Model spoj\u00ed synonyma, chyb\u011bj\u00edc\u00ed informaci ale nedopln\u00ed: kdy\u017e str\u00e1nka ne\u0159\u00edk\u00e1, jak\u00fd probl\u00e9m produkt \u0159e\u0161\u00ed, \u017e\u00e1dn\u00fd embedding ji k takov\u00e9mu dotazu nep\u0159i\u0159ad\u00ed.<\/p>\n

    Modelov\u00fd p\u0159\u00edklad:<\/strong> str\u00e1nka s pr\u016fvodcem v\u00fdb\u011brem matrace se za m\u011bs\u00edc zobraz\u00ed na 180 r\u016fzn\u00fdch dotazech. Jen 30 z nich obsahuje fr\u00e1zi \u201ev\u00fdb\u011br matrace\u201c, zbyl\u00fdch 150 jsou jinak formulovan\u00e9 ot\u00e1zky o tvrdosti, bolesti zad a materi\u00e1lu. Z celkov\u00fdch 1 200 kliknut\u00ed p\u0159ijde 360 z dotaz\u016f s p\u0159esnou fr\u00e1z\u00ed a 840 z ostatn\u00edch, tak\u017ee 70 % n\u00e1v\u0161t\u011bvnosti str\u00e1nka z\u00edsk\u00e1v\u00e1 d\u00edky shod\u011b v\u00fdznamu, ne d\u00edky v\u00fdskytu fr\u00e1ze.<\/p>\n

    Co to m\u011bn\u00ed pro tvorbu obsahu<\/h2>\n

    Kdy\u017e vyhled\u00e1va\u010d porovn\u00e1v\u00e1 v\u00fdznamy, rozhoduje, jestli str\u00e1nka odpov\u00edd\u00e1 na z\u00e1m\u011br dotazu, ne kolikr\u00e1t obsahuje fr\u00e1zi. Prakticky to znamen\u00e1 t\u0159i v\u011bci: ps\u00e1t na t\u00e9ma a jeho ot\u00e1zky, ne na jedno heslo; pou\u017e\u00edvat p\u0159irozen\u00fd jazyk v\u010detn\u011b synonym, proto\u017ee model je um\u00ed spojit; a strukturovat text tak, aby ka\u017ed\u00e1 sekce odpov\u00eddala na jednu ot\u00e1zku, proto\u017ee porovn\u00e1v\u00e1n\u00ed b\u011b\u017e\u00ed po pas\u00e1\u017e\u00edch.<\/p>\n

    Z na\u0161\u00ed praxe: stejn\u00e1 str\u00e1nka, jin\u00fd dotaz, jin\u00e1 pozice<\/h2>\n

    Nejn\u00e1zorn\u011bj\u0161\u00ed uk\u00e1zka s\u00e9mantiky v praxi vypad\u00e1 takto: jedna a tat\u00e1\u017e str\u00e1nka dr\u017e\u00ed p\u0159edn\u00ed pozici na dlouh\u00fd ot\u00e1zkov\u00fd dotaz a z\u00e1rove\u0148 je hluboko na kr\u00e1tk\u00e9 dvouslovn\u00e9 heslo. Obsah je stejn\u00fd, rozd\u00edl d\u011bl\u00e1 shoda v\u00fdznamu: struktura str\u00e1nky odpov\u00edd\u00e1 tomu, jak lid\u00e9 formuluj\u00ed ot\u00e1zku, ne tomu, jak vypad\u00e1 dvouslovn\u00e9 heslo.<\/p>\n

    \u010cast\u00e9 chyby<\/h2>\n