Recherche neuro-symbolique composite
Statut documentaire : architecture — voir Maturité et preuves.
Le moteur actuel prend en charge des requêtes d'embeddings composites qui combinent plusieurs termes numériques tout en conservant un contrôle symbolique sur l'admissibilité des résultats.
C'est utile lorsqu'une intention ne peut pas être représentée par un seul embedding, par exemple :
trouver un Document
proche d'Alice
et proche du concept IncidentReport
Ici Document peut être une contrainte symbolique dure tandis que Alice et IncidentReport influencent le classement numérique.
Termes de requête
Une requête composite contient un ou plusieurs termes :
(vecteur, poids)
Tous les vecteurs utilisés par une stratégie de composition doivent avoir la même dimension.
Les poids influencent la composition et le reranking numériques. Un terme de poids nul ne contribue pas.
Stratégies de génération de candidats
Le moteur sépare la génération des candidats du scoring final.
Recherche par vecteur composé
Une stratégie par défaut construit une combinaison linéaire pondérée des vecteurs de requête. Le résultat peut être normalisé L2 avant la recherche HNSW.
q = normalize(w1*v1 + w2*v2 + ... + wn*vn)
q -> une recherche HNSW
Cette stratégie est efficace lorsqu'une composition linéaire a un sens dans l'espace d'embedding.
Fusion multi-requêtes
Le moteur peut aussi lancer une recherche HNSW par terme puis fusionner les voisinages. Cela évite d'obliger les termes à se réduire à une seule direction géométrique avant la récupération.
Les modes de fusion actuels incluent :
- l'agrégation de distances pondérées ;
- la fusion pondérée par rang réciproque.
L'union des voisinages par terme est conservée avant la troncature finale : un candidat fort pour un terme n'est donc pas nécessairement perdu parce qu'il était absent du voisinage local d'un autre terme.
Stratégies de scoring
La génération et le scoring sont indépendants. Le moteur courant fournit des stratégies correspondant à :
- la distance de récupération HNSW ;
- la moyenne pondérée des distances aux termes individuels ;
- un scoring hybride combinant distance au vecteur de requête et distances par terme.
Cette séparation permet d'expérimenter sur le ranking sans modifier le modèle d'identité symbolique ni le stockage HNSW.
Filtres symboliques durs
Un filtre de candidats est appliqué après conversion des vecteurs en valeurs conceptuelles. Le moteur courant inclut un filtre de compatibilité de Kind.
On obtient ainsi un pattern neuro-symbolique clair :
évidence numérique souple :
embedding du type + embedding du sujet + autres signaux
contrainte symbolique dure :
le candidat doit être une instance de Document
Les tests vérifient qu'une valeur incompatible mais plus proche est rejetée et qu'un candidat conceptuel compatible est conservé. Le modèle numérique influence quel candidat valide est préféré, pas ce qui est valide.
Sur-récupération des candidats
Avec des filtres durs ou du reranking, récupérer uniquement K voisins numériques peut être insuffisant : certains seront ensuite rejetés.
La recherche composite sépare donc :
nombre de candidats > K final
Le pool élargi est généré, puis résolu, filtré, reranké et tronqué au nombre de résultats demandé.
Exclusion des termes de requête
La recherche composite peut exclure des résultats les vecteurs utilisés comme termes de requête. C'est utile lorsqu'on cherche les voisins de concepts connus sans retourner les concepts eux-mêmes.
Sémantique du résultat
Un résultat composite conserve les deux côtés du pont :
candidat conceptuel
identité vectorielle
score/distance numérique
Le score est une évidence de classement. La valeur conceptuelle est l'objet sur lequel doivent s'appliquer raisonnement symbolique et comportement applicatif.
Ce que cela ne signifie pas
La recherche vectorielle composite ne transforme pas la similarité en déduction. Elle ne redéfinit ni Kind, ni les relations de sous-typage, ni la vérité H-Logic. C'est un mécanisme de génération et classement de candidats gouvernable par des contraintes symboliques.