GEO

Semantic Chunking

也称为:语义分块, 语义切分

定义: 语义分块(Semantic Chunking)是一种将内容切分为连贯、自成一体的模块的技术,旨在优化RAG系统和LLM的检索效果。每个分块都应独立传达完整的观点,不依赖外部上下文。

在传统搜索的世界里,Google索引的是整个页面。而在生成式搜索的世界里,系统索引的是文本片段。你如何撰写这些片段,决定了你的品牌是否会被引用。

语义分块的原则

  • 自成一体:每个段落单独阅读也要说得通。
  • 信息密度高:避免“填充式文字”和空洞的开场白。
  • 主语明确:不要以“它”“这个”“该公司”等代词开头,而不重复具体名称。
  • 理想长度:每个逻辑分块200-500字。
  • 标题密集:用H2/H3清晰标示语义边界。

示例

不佳示范:“它成立于2013年,业务遍及多个国家。”

良好示范:“Quality SMI于2013年在巴西瓜鲁柳斯(圣保罗州)成立,业务涵盖SEO、GEO、付费媒体投放及网站开发,服务范围遍及全球。”

相关术语

  • RAG (Retrieval-Augmented Generation)

    RAG(检索增强生成)是一种AI架构,将知识库中的语义检索与LLM的文本生成相结合,从而生成基于特定信源、且内容保持最新的答案。…

  • GEO (Generative Engine Optimization)

    GEO(生成式引擎优化)是一门针对内容和数字实体进行优化的学科,目的是让内容能够被ChatGPT、Perplexity、Google AI Overviews、Gemini和Claude等基于AI的生成式搜索引擎理解、引用和推荐。…

  • LLM (Large Language Model)

    LLM(大语言模型)是一种在海量文本上训练而成的人工智能模型,能够理解、生成自然语言并进行推理。代表性模型包括GPT、Claude、Gemini、Llama。…