Glossaire

Plongements lexicaux (word embeddings)

Qu’est-ce que Plongements lexicaux (word embeddings) ?

Les plongements lexicaux représentent les mots sous forme de vecteurs numériques, de sorte que des mots de sens voisin soient proches dans l'espace vectoriel, comme « voiture » et « véhicule ». Des méthodes comme Word2Vec ou GloVe apprennent ces vecteurs à partir de grandes quantités de texte. Ils ont marqué une étape importante du traitement du langage, notamment pour la recherche ou la classification ; les modèles de langage actuels utilisent des plongements contextuels, où un mot est représenté différemment selon la phrase.

Ce que fait KI.ordo

La recherche dans les connaissances de KI.ordo n'utilise pas de plongements, mais la recherche par mots-clés BM25 directement sur le serveur.

Thèmes

NLP
Vecteurs
Sémantique

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Vecteur d'embedding

Un vecteur d'embedding (plongement) est une liste de nombres qui représente le sens d'un mot, d'une phrase ou d'un document de sorte que des textes au contenu proche se retrouvent voisins. On peut ainsi reconnaître que « résiliation » et « mettre fin au contrat » sont liés, alors qu'ils n'ont aucun mot en commun. Ils sont à la base de nombreux systèmes de recherche sémantique, de recommandation et d'applications RAG, et sont calculés par des modèles entraînés à cet effet.

vecteur
recherche sémantique
+1

Gensim

Gensim est une bibliothèque Python open source dédiée à l’analyse de grands ensembles de textes. Elle est connue pour ses modèles thématiques comme LDA, l’entraînement de vecteurs de mots (Word2Vec, FastText, Doc2Vec) et la comparaison de documents par similarité. Comme elle traite les données par blocs, elle gère aussi des corpus qui ne tiennent pas en mémoire. Usage typique : regrouper automatiquement des milliers de commentaires clients par thèmes récurrents.

Bibliothèque Python
Modélisation thématique
+1

Traitement du langage naturel (NLP)

Le traitement du langage naturel (Natural Language Processing) est la branche de l'IA qui permet aux ordinateurs d'analyser, de comprendre et de produire le langage humain, écrit ou oral. Il couvre des tâches comme la traduction, la classification, le résumé, l'analyse de sentiment ou les systèmes de questions-réponses. Longtemps dominé par des règles et des méthodes statistiques, le domaine est aujourd'hui façonné par les grands modèles de langage.

NLP
Langage
+1

Analyse sémantique

L'analyse sémantique étudie le sens du langage : non seulement quels mots apparaissent, mais ce qui est voulu dire. Elle consiste notamment à interpréter correctement les mots ambigus selon le contexte (par exemple « avocat » comme fruit ou comme juriste), à reconnaître les relations entre notions et à classer les énoncés par contenu. Elle sert de base à des applications comme l'analyse des retours clients, la réponse aux questions ou des moteurs de recherche qui comprennent aussi des formulations différentes de même sens.

TAL
sens
+1