Glosar

Vector de embedding

Ce este Vector de embedding?

Un vector de embedding (embedding) este o listă de numere care reprezintă sensul unui cuvânt, al unei propoziții sau al unui document, astfel încât textele cu conținut similar să se afle aproape unele de altele. Aceasta face posibil să se recunoască, de exemplu, că „reziliere” și „încetarea contractului” sunt înrudite, chiar dacă nu au cuvinte comune. Embedding-urile stau la baza multor sisteme de căutare semantică, servicii de recomandare și aplicații RAG; ele sunt calculate de modele special antrenate.

Cum ajută KI.ordo

KI.ordo nu folosește embedding-uri pentru căutarea în cunoștințe, ci căutarea după cuvinte-cheie BM25, rulată direct pe server.

Subiecte

vector
căutare semantică
NLP

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Embedding-uri de cuvinte

Embedding-urile de cuvinte reprezintă cuvintele ca vectori numerici, astfel încât cuvintele cu sensuri similare să se afle aproape unele de altele în spațiul vectorial, precum „mașină” și „autovehicul”. Metode precum Word2Vec sau GloVe învață acești vectori din cantități mari de text. Au fost un pas important în prelucrarea limbajului, de exemplu pentru căutare sau clasificare; modelele lingvistice de azi folosesc embedding-uri contextuale, în care un cuvânt este reprezentat diferit în funcție de propoziție.

NLP
Vectori
+1

Generare augmentată prin regăsire (RAG)

Generarea augmentată prin regăsire combină căutarea cu generarea de text: înainte de a răspunde, sistemul caută într-o colecție de cunoștințe – de exemplu manuale, regulamente sau FAQ-uri – pasajele relevante și le transmite modelului lingvistic drept context. Răspunsul se bazează astfel pe conținut actual, specific companiei, și nu doar pe cunoștințele de antrenare ale modelului. Aceasta reduce afirmațiile inventate, face sursele verificabile și permite actualizări fără reantrenare.

RAG
căutare în cunoștințe
+1

Regăsirea informațiilor

Regăsirea informațiilor (information retrieval) cuprinde metodele care găsesc, într-un volum mare de text, documentele sau pasajele ce corespund unei interogări și le ordonează după relevanță. Abordările clasice, precum BM25, ponderează termenii de căutare după cât de des și cât de rar apar; cele mai noi adaugă similitudinea semantică. Stă la baza motoarelor de căutare, a căutării în întreprindere și a retrieval-augmented generation, în care un model lingvistic folosește pasajele regăsite ca bază pentru răspunsul său.

Căutare
BM25
+1

Transformer

Transformerul este o arhitectură de rețea neuronală introdusă în 2017 în lucrarea de cercetare „Attention Is All You Need”. În centrul ei se află mecanismul de atenție: fiecare cuvânt este ponderat în raport cu toate celelalte cuvinte dintr-un text, iar calculul poate fi paralelizat eficient. Transformerele stau la baza modelelor lingvistice de azi, precum GPT, Claude și BERT, și sunt folosite și pentru imagini și audio.

Arhitectură
Deep learning
+1