Azure AI Search三种搜索类型差异及查询异常技术问询

一、三种搜索类型核心差异 #

• 全文搜索：传统关键词匹配检索，依赖倒排索引，仅对搜索文本分词后匹配可搜索字段中的词汇，不理解语义逻辑，无法自动处理数值筛选、条件判断这类需求，必须通过显式过滤器实现。
• 语义搜索：在全文搜索基础上叠加语义重排能力，利用大模型理解查询的语义意图，对全文搜索召回的结果重新排序，优化相关性，但不具备筛选功能，仅调整结果顺序。
• 向量搜索：基于文本向量的相似度匹配，将文本转换为高维向量后，通过计算向量空间距离（如余弦相似度）返回最相似的结果，核心是内容语义相似性匹配，完全不识别结构化字段的逻辑条件。

二、各查询异常原因解析 #

1. 全文搜索结果不符合预期的原因 #

全文搜索仅做关键词匹配，你的查询which hotel has rating of 4 or over?会被拆分为hotel、rating、4等关键词，系统只会召回包含这些关键词的文档，完全无法解析“评分≥4”这个逻辑筛选条件。要得到正确结果，必须添加filter参数，示例：

results = search_client.search(
    search_text="which hotel has rating of 4 or over?",
    filter="Rating ge 4"
)

2. 语义搜索返回低评分酒店的原因 #

你的查询写的是which restaurant has rating of 4 or over?，但数据都是酒店，语义搜索依然会匹配到相关酒店文档。但语义搜索的逻辑是：先通过全文搜索召回一批包含关键词的文档，再用大模型做语义重排。Twin Dome Motel的描述里有first-class这类和“高品质”相关的词汇，被全文搜索召回，虽然它评分只有3.6，但语义重排给了它较低的@search.reranker_score，但因为没有添加过滤器，系统不会过滤掉不符合评分条件的文档。同样需要添加filter="Rating ge 4"来筛选结果。

3. 向量搜索返回不符合条件酒店的原因 #

你使用的DescriptionVector是由酒店描述文本生成的，完全不包含Rating字段的数值信息。查询的向量会和描述中带有“优质”“出色”等语义的文档向量匹配：Triple Landscape Hotel的描述有gastronomic excellence，Sublime Cliff Hotel有extraordinary beauty，这些和“高评分”语义更接近，所以相似度更高；Twin Dome Motel有first-class，也会被召回；Secret Point Motel的描述无相关语义，排在最后。向量搜索不处理结构化数值筛选，所以只要向量相似就会返回，结果排序和评分高低接近只是巧合，并非系统识别了评分条件。要筛选符合评分要求的结果，同样需要添加filter="Rating ge 4"参数。

内容的提问来源于stack exchange，提问作者Manu Chadha