Tekoälyavusteisen hakutoiminnallisuuden vaikutukset Terveyskylä.fi-palvelun hakutulosten laatuun

Abstract

Tämä opinnäytetyö tehtiin toimeksiantona HUS tietohallinnolle ja tavoitteena oli tutkia millaisia vaikutuksia tekoälyavusteisella hakutoiminnolla, hybridihaulla, on hakutulosten laatuun osuvuuden ja relevanttiuden näkökulmasta. Osuvat ja relevantit hakutulokset lisäävät asiakas- ja työntekijätyytyväisyyttä, tuovat aikasäästöjä sekä lisäävät luotettavuutta Terveyskylä.fi-palveluun. Työn menetelmänä käytettiin DMAIC-ongelmanratkaisumenetelmää, joka on yksi Lean Six Sigman menetelmistä.

Opinnäytetyössä tarkasteltu hybridihaku on tekoälyä hyödyntävä hakutoiminnallisuus, joka yhdistää avainsanahaun ja vektorihaun. Hybridihaun hyvänä puolena on, että se yhdistää vektorihaun laajuuden sekä avainsanahaun tarkkuuden tilanteissa, jossa tarkkuudella on painoarvoa. Hybridihakuun on mahdollista yhdistää semantic ranking-ominaisuus, joka laskee hakutuloksille semanttisen osuvuuspisteen ja asettaa tulokset relevantein ensin -järjestykseen.

Opinnäytetyön perusteella voidaan todeta, että hybridihaku paransi hakutulosten laatua nostamalla hakutuloksiin osuvia ja relevantteja artikkelisisältöjä suhteessa käytettyyn hakusanaan. Hybridihaku toimi lääketieteellistä ammattisanastoa sisältävän sisällön kanssa avainsana- ja vektorihakua paremmin. Muita tunnistettuja keinoja on käytetympien hakusanojen lisääminen metatietoihin sekä käyttäjien kouluttaminen.

This Master’s Thesis was commissioned by the HUS IT Management and aimed to investigate the impact of AI-assisted search functionality, hybrid search, on the quality of search results from the perspectives of accuracy and relevance. Relevant and high-quality search results can increase customer and employee satisfaction, save time, and improve the reliability of the Terveyskylä.fi service. The methodology used in this study was the DMAIC problem-solving method, which is one of the Lean Six Sigma methods.

The hybrid search examined in the thesis is an AI-driven search functionality that combines keyword search and vector search. One of the strengths of hybrid search is that it combines the precision of keyword search with the broader scope of vector search. Hybrid search can also incorporate semantic ranking, which calculates a semantic relevance score for the search results and arranges them in order of relevance.

Based on the study, it can be concluded that hybrid search improved the quality of search results by delivering relevant and accurate article content in relation to the search term used. Hybrid search performed better than both keyword and vector search when dealing with content containing medical terminology. Other identified methods for improvement include adding commonly used search terms to metadata and training users.