Glossario

Word embedding

Che cos’è Word embedding?

I word embedding rappresentano le parole come vettori numerici, in modo che parole di significato simile siano vicine nello spazio vettoriale, come «auto» e «veicolo». Metodi come Word2Vec o GloVe apprendono questi vettori da grandi quantità di testo. Sono stati un passo importante nell'elaborazione del linguaggio, ad esempio per ricerca e classificazione; gli odierni modelli linguistici usano embedding contestuali, in cui una parola è rappresentata in modo diverso a seconda della frase.

Come aiuta KI.ordo

La ricerca nelle conoscenze di KI.ordo non usa embedding, ma la ricerca per parole chiave BM25 direttamente sul server.

Temi

NLP
Vettori
Semantica

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Vettore di embedding

Un vettore di embedding è una lista di numeri che rappresenta il significato di una parola, di una frase o di un documento in modo che testi dal contenuto simile risultino vicini. Così si può riconoscere, ad esempio, che «disdetta» e «chiudere il contratto» sono collegati pur non avendo parole in comune. Gli embedding sono alla base di molti sistemi di ricerca semantica, servizi di raccomandazione e applicazioni RAG; vengono calcolati da modelli addestrati appositamente.

vettore
ricerca semantica
+1

Gensim

Gensim è una libreria Python open source per analizzare grandi raccolte di testi. È nota per i modelli di argomenti come LDA, per l’addestramento di vettori di parole (ad esempio Word2Vec, FastText, Doc2Vec) e per i confronti di somiglianza tra documenti. Poiché elabora i dati a blocchi, gestisce anche corpora che non entrano nella memoria. Un uso tipico: raggruppare automaticamente migliaia di commenti dei clienti per temi ricorrenti.

Libreria Python
Topic modeling
+1

Elaborazione del linguaggio naturale (NLP)

L'elaborazione del linguaggio naturale (Natural Language Processing) è il ramo dell'IA che permette ai computer di analizzare, comprendere e generare il linguaggio umano scritto o parlato. Comprende compiti come traduzione, classificazione, riassunto, analisi del sentiment e sistemi di domanda-risposta. Un tempo dominavano regole e metodi statistici; oggi il settore è plasmato dai grandi modelli linguistici.

NLP
Linguaggio
+1

Analisi semantica

L'analisi semantica studia il significato del linguaggio: non solo quali parole compaiono, ma che cosa si intende. Comprende l'interpretazione corretta delle parole ambigue nel contesto (ad esempio «riso» come alimento o come risata), il riconoscimento delle relazioni tra concetti e la classificazione dei contenuti. È alla base di applicazioni come l'analisi dei feedback dei clienti, la risposta automatica a domande o i sistemi di ricerca che devono capire anche formulazioni diverse con lo stesso senso.

NLP
significato
+1