# Semantik Arama (Semantic Search)

## 🎯 TL;DR
Semantik arama, metinleri anlamlarını yakalayan sayısal vektörlere dönüştüren gömme/vektör temsillerini kullanır. Bu sayede, tam kelime eşleşmesi olmasa bile sorgunun amacını anlayarak ilgili sonuçları bulabilir.

## 📚 Anahtar Kavramlar
- **Embeddings** → Gömme/Vektör Temsil (Metinleri veya diğer verileri sayısal vektörlere dönüştüren bir tekniktir.)
- **Semantic Search** → Semantik Arama (Kelime eşleşmesinden ziyade anlam ve bağlamı dikkate alarak yapılan arama.)
- **High-dimensional vectors** → Yüksek Boyutlu Vektörler (Metinlerin anlamını temsil eden çok sayıda sayıdan oluşan diziler.)
- **Underlying meaning and context** → Temel Anlam ve Bağlam (Kelime ve cümlelerin derinlemesine ifade ettiği anlam ve içinde bulundukları durum.)
- **Query** → Sorgu (Kullanıcının arama motoruna girdiği metin veya arama isteği.)
- **Retrieve relevant information** → İlgili Bilgiyi Getirme (Bir arama sonucunda kullanıcının isteğiyle alakalı verileri bulma ve sunma işlemi.)

## 🔍 Detay (Orijinal İngilizce)
Embeddings are used for semantic search by converting text, such as queries and documents, into high-dimensional vectors that capture the underlying meaning and context, rather than just exact words. These embeddings represent the semantic relationships between words or phrases, allowing the system to understand the query’s intent and retrieve relevant information, even if the exact terms don’t match.

## 🔗 Daha Detay İstersen
roadmap.sh ekibinin seçtiği kaynaklar:
- 📖 [What is Semantic Search?](https://www.elastic.co/what-is/semantic-search) — Semantik aramanın ne olduğunu açıklayan bir makale.
- 🎥 [What is Semantic Search? - Cohere](https://www.youtube.com/watch?v=fFt4kR4ntAA) — Semantik arama kavramını Cohere tarafından açıklayan bir video.