Woordenlijst

Woordembeddings

Wat is Woordembeddings?

Woordembeddings stellen woorden voor als numerieke vectoren, zodat woorden met een vergelijkbare betekenis in de vectorruimte dicht bij elkaar liggen, zoals “auto” en “voertuig”. Methoden als Word2Vec of GloVe leren deze vectoren uit grote hoeveelheden tekst. Ze waren een belangrijke stap in de taalverwerking, bijvoorbeeld voor zoeken of classificeren; huidige taalmodellen gebruiken contextuele embeddings, waarin een woord afhankelijk van de zin anders wordt weergegeven.

Hoe KI.ordo helpt

Het zoeken in kennis van KI.ordo gebruikt geen embeddings, maar BM25-trefwoordzoeken rechtstreeks op de server.

Onderwerpen

NLP
Vectoren
Semantiek

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Embeddingvector

Een embeddingvector (embedding) is een lijst getallen die de betekenis van een woord, zin of document weergeeft, zodat teksten met vergelijkbare inhoud dicht bij elkaar liggen. Zo kan bijvoorbeeld worden herkend dat ‘opzegging’ en ‘beëindiging van het contract’ verwant zijn, ook al hebben ze geen woorden gemeen. Embeddings vormen de basis van veel semantische zoeksystemen, aanbevelingsdiensten en RAG-toepassingen; ze worden berekend door speciaal getrainde modellen.

vector
semantisch zoeken
+1

Gensim

Gensim is een open-source Python-bibliotheek voor het analyseren van grote tekstverzamelingen. Ze staat bekend om onderwerpmodellen zoals LDA, om het trainen van woordvectoren (bijvoorbeeld Word2Vec, FastText en Doc2Vec) en om het vergelijken van documenten op gelijkenis. Omdat Gensim data in delen verwerkt, kan ze ook corpora aan die niet in het geheugen passen. Een typische toepassing: duizenden klantopmerkingen automatisch groeperen op terugkerende thema’s.

Python-bibliotheek
Topic modelling
+1

Natuurlijke taalverwerking (NLP)

Natuurlijke taalverwerking is het deel van AI dat computers in staat stelt menselijke taal in tekst of spraak te analyseren, te begrijpen en te genereren. Het omvat taken als vertalen, classificeren, samenvatten, sentimentanalyse en vraagbeantwoording. Vroeger domineerden regels en statistische methoden; tegenwoordig wordt het vakgebied bepaald door grote taalmodellen.

NLP
Taal
+1

Semantische analyse

Semantische analyse onderzoekt de betekenis van taal – niet alleen welke woorden voorkomen, maar wat er bedoeld wordt. Daartoe behoren het juist interpreteren van dubbelzinnige woorden in hun context (zoals “bank” als financiële instelling of als zitmeubel), het herkennen van verbanden tussen begrippen en het indelen van uitspraken naar inhoud. Het vormt de basis van toepassingen zoals het analyseren van klantfeedback, vraagbeantwoording of zoeksystemen die ook anders geformuleerde vragen met dezelfde betekenis moeten begrijpen.

NLP
betekenis
+1