> ## Documentation Index
> Fetch the complete documentation index at: https://manual.seahorse.dnotitia.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# before-search

> Semantic Search 시맨틱 검색 전

# Semantic Search 시맨틱 검색 전

**경로**: Console → **Semantic Search** → 검색 실행 전 (초기 화면)

## 화면 구성 (검색 전)

<img src="https://mintcdn.com/dnotitia-328335e7/nH6QAwwQZ-jsIFdi/.gitbook/assets/admin__SemanticSearch2.png?fit=max&auto=format&n=nH6QAwwQZ-jsIFdi&q=85&s=82145ac43d90b0cc1d0b032404857697" alt="화면 구성 (검색 전)" width="982" height="804" data-path=".gitbook/assets/admin__SemanticSearch2.png" />

상단에 기능 설명 안내 배너가 있으며 (`Semantic Search is AI-powered semantic search / Find results by meaning, not just keyword matching`) **X 버튼** 으로 닫을 수 있습니다.

| 필드명                         | 설명                                                     | 타입        | 필수 | 예시                                      |
| --------------------------- | ------------------------------------------------------ | --------- | -- | --------------------------------------- |
| **Data Source**             | 검색할 **데이터 소스(Table) 선택**. Storage 에서 생성된 Table 만 선택 가능 | Select    | Y  | `jh-7994`                               |
| **Enter your search query** | 자연어 검색어 입력                                             | TextField | Y  | "벡터 데이터베이스의 장점은?"                       |
| **Search**                  | 검색 실행 버튼                                               | Button    | —  | —                                       |
| **Advanced Search Options** | 고급 검색 옵션 (접기/펼치기)                                      | Collapse  | N  | Search Mode · Top K · EF Search · RRF K |

<Warning>
  **Data Source 는 Storage 에서 생성된 Table 만 표시됩니다.** 입력창 아래 `Only tables created from storage can be searched` 안내가 고정 노출됩니다. [수동 생성 Table](/console/database/tables/table-create) 은 시맨틱 검색 대상에서 제외됩니다.
</Warning>

## 고급 검색 옵션 (Advanced Search Options)

* 기본: 접힌 상태 — 헤더 우측 `▼` 아이콘 클릭으로 펼침
* 헤더 우측에 **현재 활성 모드 뱃지** (`Dense` / `Sparse`) 가 아이콘과 함께 상시 표시되어 접은 상태에서도 현재 설정을 확인할 수 있습니다

<Frame>
  <img src="https://mintcdn.com/dnotitia-328335e7/I5OWjgM66v2c8aGd/images/image-62.png?fit=max&auto=format&n=I5OWjgM66v2c8aGd&q=85&s=f1b1f3c8c1f853144980b3cd81c2be03" alt="Image" width="1333" height="561" data-path="images/image-62.png" />
</Frame>

### 검색 모드 (Search Mode)

3 개 버튼(`Hybrid` / `Dense` / `Sparse`) 중 선택 — 기본값은 **Hybrid**.

<Tabs>
  <Tab title="Hybrid (기본)">
    **Dense와 Sparse를 결합하여 가장 정확한 결과를 제공합니다.**

    * Dense(의미) + Sparse(키워드) 결과를 **Reciprocal Rank Fusion**으로 병합
    * 대부분의 일반 질의에서 권장
    * 관련 파라미터: `Top K`, `EF Search`, **`RRF K`**
  </Tab>

  <Tab title="Dense">
    **의미 기반 검색. 문맥과 의미가 유사한 결과를 찾습니다.**

    * 임베딩 벡터의 코사인/내적 유사도로 검색
    * 동의어·의역·의미적 유사성에 강함
    * 관련 파라미터: `Top K`, `EF Search`
  </Tab>

  <Tab title="Sparse">
    **키워드 기반 검색. 정확한 단어 매칭에 효과적입니다.**

    * BM25 계열 희소 벡터 매칭
    * 고유명사·전문용어·정확한 문자열 검색에 강함
    * 관련 파라미터: `Top K` (EF Search 무관)
  </Tab>
</Tabs>

### 파라미터 설명

슬라이더로 조정 — 좌측에 현재값, 양 끝에 min/max 가 표시됩니다.

| 파라미터          | 설명                                                           | 기본값 | 범위        | 적용 모드                   |
| ------------- | ------------------------------------------------------------ | --- | --------- | ----------------------- |
| **Top K**     | 반환할 최대 결과 수. 값이 클수록 더 많은 결과를 반환하지만 처리 시간이 증가합니다.             | 5   | 1 – 200   | Hybrid / Dense / Sparse |
| **EF Search** | HNSW 검색 파라미터. 값이 클수록 검색 품질이 향상되지만 속도가 느려집니다.                 | 200 | 10 – 1000 | Hybrid / Dense          |
| **RRF K**     | Reciprocal Rank Fusion 파라미터. Dense 와 Sparse 결과를 결합할 때 사용됩니다. | 60  | 10 – 100  | Hybrid                  |

<Info>
  **HNSW(Hierarchical Navigable Small World)** 는 근사 최근접 이웃(ANN) 벡터 검색 알고리즘입니다. **RRF(Reciprocal Rank Fusion)** 는 여러 검색 결과의 순위를 결합하는 공식으로, 각 결과의 `1/(k + rank)` 합으로 최종 순위를 계산합니다.
</Info>

## 검색 실행

1. **Data Source** 에서 검색할 Table 선택
2. **Enter your search query** 에 자연어 질의 입력
3. 필요 시 **Advanced Search Options** 펼쳐 모드·파라미터 조정
4. **Search** 버튼 클릭 또는 Enter 키

<Info>
  * 더 많은 결과를 보려면 **Top K** 를 늘리세요.
  * 의역·동의어에 강한 결과가 필요하면 **Dense**, 고유명사·코드·정확한 문자열 매칭이 중요하면 **Sparse**, 일반 질의에는 기본값인 **Hybrid** 를 권장합니다.
</Info>