Embeddings
Sainmhíniú tapa
Is liosta uimhreacha (veicteoir) é embedding a léiríonn brí téacs, íomhá nó mír eile, ionas go bhfaigheann míreanna cosúla veicteoirí gar do chéile. Is iad embeddings a dhéanann cuardach de bhrí indéanta.
Ar an leathanach seo
Conas a oibríonn embeddings
Léann samhail embedding téacs agus aschuir veicteoir le fad seasta, go ginearálta roinnt céad go cúpla míle uimhir. Oiliúnar an samhail ionas go dtéann téacsanna le bríonna gaolmhara gar dá chéile san spás sin: “polasaí aisíocaíochta” agus “conas a fhaighim mo chuid airgid ar ais?” beireann beagnach aon fhocal ach tá veicteoirí gar acu.
Téann an smaoineamh ar ais go dtí veicteoirí focal cosúil le word2vec (Mikolov agus comhoibrithe, 2013), a d'fhoghlaim go bhfuil bríonna comhchosúla ag focail a thagann i gcomhthéacsanna comhchosúla. Chuir samhlacha leibhéal abairtí cosúil le Sentence-BERT (2019) síneadh air go hiomlán abairtí agus pasáistí, atá riachtanach do chuardach agus freagairt ceisteanna.
Cad a úsáidtear iad
Cuireann embeddings cumhacht ar chuardach le brí: comhoiriúnnaigh veicteoir ceiste le veicteoirí na pasáistí stóráilte agus filleann an téarma is gaire. Is é an céim aisghabhála é de ghiniúint atá feabhsaithe le haisghabháil (RAG). Freisin, freastalaíonn siad ar chluichí comhoiriúnacha, ag braith ar dhúblóidí, ag moladh táirgí comhoiriúnacha agus ag treorú teachtaireachta chuig an ábhar ceart.
Cuireann samhlacha embedding ilteangacha ceist i bhFraincis agus pasáiste i mBéarla gar le chéile nuair a chiallaíonn siad an rud céanna, rud a ligeann do bhunachar eolais amháin freastal ar chustaiméirí i go leor teangacha.
Pointí praiticiúla
Ní féidir veicteoirí ó mhúnlaí éagsúla a chur i gcomparáid: más athraíonn tú an múnla embedding, caithfidh gach pasáiste stóráilte a bheith ath-embedded. Captures embeddings brí, ní luachanna cruinne, mar sin tá siad lag ar scagairí beacht mar raon praghsanna nó tagairt táirge — teastaíonn réimsí struchtúrtha nó cuardach eochairfhocail in éineacht. Agus caithfear doiciméid fhada a scoilteadh i pasáistí sula gcuirtear embedding orthu, mar go gcuirfidh veicteoir amháin don láimhseáil iomlán ceo a ábhar.
Difríonn samhlacha embedding freisin i gclúdach teanga, toisí (agus dá bhrí sin costais stórála) agus cá bhfuil siad óstáilte.
Embeddings i AI SmartTalk
Úsáideann gach cúntóir AI SmartTalk múnla embedding amháin do gach eolas atá aige. Úsáideann cúntóirí nua múnla ilteangach a óstáiltear san AE mar ghnáth, agus tá samhlacha embedding OpenAI ar fáil freisin. Tá na veicteoirí stóráilte i PostgreSQL le pgvector agus comhoibríonn siad le cuardach eochairfhocail agus trigram, ionas go bhfaightear tagairtí táirgí agus téarmaí beacht chomh muiníneach le ceisteanna paraphrased.
Ceisteanna a chuirtear go minic
Cad é an difríocht idir embedding agus token?
Is píosa téacs, go garbh, fragement focal é token a léann múnla. Is veicteoir uimhreacha é embedding a léiríonn brí — de token, abairt nó pasáiste iomlán.
An bhfuil embeddings mar an gcéanna le bunachar veicteoirí?
Níl. Is iad embeddings na veicteoirí; stóráiltear bunachar veicteoirí nó comhoiriúnacht iad agus aimsítear na cinn is gaire go tapa.
An féidir liom múnlaí embedding a athrú níos déanaí?
Sea, ach caithfidh gach rud stóráilte a bheith ath-embedded leis an múnla nua, mar go maireann veicteoirí ó mhúnlaí éagsúla i spásanna éagsúla agus ní féidir iad a chur i gcomparáid.