Glosārijs

Iegultais vektors

Kas ir Iegultais vektors?

Iegultais vektors (embedding) ir skaitļu saraksts, kas attēlo vārda, teikuma vai dokumenta nozīmi tā, ka tekstiem ar līdzīgu saturu atrodas tuvu cits citam. Tas ļauj, piemēram, atpazīt, ka „uzteikums” un „līguma izbeigšana” ir saistīti, kaut arī tiem nav kopīgu vārdu. Iegultie vektori ir daudzu semantiskās meklēšanas sistēmu, ieteikumu pakalpojumu un RAG lietojumprogrammu pamatā; tos aprēķina speciāli apmācīti modeļi.

Kā palīdz KI.ordo

KI.ordo savai zināšanu meklēšanai neizmanto iegultos vektorus, bet BM25 atslēgvārdu meklēšanu, ko veic tieši serverī.

Tēmas

vektors
semantiskā meklēšana
NLP

Izmēģiniet KI.ordo

Aģenti, plūsmas un veidnes vienā darbvietā – bezmaksas 24 stundu demo.

Sākt demo

← Visi termini

Saistītie termini

Vārdu iegultnes

Vārdu iegultnes attēlo vārdus kā skaitliskus vektorus, lai vārdi ar līdzīgu nozīmi atrastos tuvu viens otram vektoru telpā, piemēram, „automašīna” un „transportlīdzeklis”. Metodes, piemēram, Word2Vec vai GloVe, šos vektorus apgūst no liela teksta apjoma. Tās bija svarīgs solis valodas apstrādē, piemēram, meklēšanai vai klasifikācijai; mūsdienu valodas modeļi izmanto kontekstuālās iegultnes, kurās vārds tiek attēlots atšķirīgi atkarībā no teikuma.

NLP
Vektori
+1

Ar izgūšanu papildināta ģenerēšana (RAG)

Ar izgūšanu papildināta ģenerēšana apvieno meklēšanu ar teksta ģenerēšanu: pirms atbildes sniegšanas sistēma zināšanu krājumā — piemēram, rokasgrāmatās, politikās vai BUJ — meklē atbilstošus fragmentus un nodod tos valodas modelim kā kontekstu. Tādējādi atbilde balstās uz aktuālu, uzņēmumam raksturīgu saturu, nevis tikai uz modeļa apmācības zināšanām. Tas samazina izdomātus apgalvojumus, padara avotus izsekojamus un ļauj atjaunināt bez atkārtotas apmācības.

RAG
zināšanu meklēšana
+1

Informācijas izguve

Informācijas izguve aptver metodes, kas lielā tekstu apjomā atrod dokumentus vai fragmentus, kuri atbilst vaicājumam, un sakārto tos pēc atbilstības. Klasiskas pieejas, piemēram, BM25, meklēšanas terminiem piešķir svaru pēc tā, cik bieži un cik reti tie sastopami; jaunākas pievieno semantisko līdzību. Tā ir meklētājprogrammu, uzņēmuma meklēšanas un ar izguvi papildinātās ģenerēšanas pamatā, kurā valodas modelis izgūtos fragmentus izmanto kā atbildes pamatu.

Meklēšana
BM25
+1

Transformer

Transformers ir neironu tīklu arhitektūra, kas ieviesta 2017. gadā pētījumā „Attention Is All You Need”. Tās kodols ir uzmanības mehānisms: katrs vārds tiek svērts attiecībā pret visiem pārējiem teksta vārdiem, un aprēķinu var efektīvi paralelizēt. Transformeri ir mūsdienu valodas modeļu, piemēram, GPT, Claude un BERT, pamatā, un tos izmanto arī attēliem un audio.

Arhitektūra
Dziļā mācīšanās
+1