Slovník pojmov

Vektor vnorenia (embedding)

Čo je Vektor vnorenia (embedding)?

Vektor vnorenia (embedding) je zoznam čísel, ktorý reprezentuje význam slova, vety alebo dokumentu tak, že texty s podobným obsahom ležia blízko seba. Vďaka tomu možno napríklad rozpoznať, že „výpoveď“ a „ukončenie zmluvy“ spolu súvisia, hoci nemajú spoločné slová. Vnorenia sú základom mnohých systémov sémantického vyhľadávania, odporúčacích služieb a aplikácií RAG; vypočítavajú ich špeciálne natrénované modely.

Ako pomáha KI.ordo

KI.ordo nepoužíva vnorenia na vyhľadávanie znalostí, ale kľúčové vyhľadávanie BM25 spúšťané priamo na serveri.

Témy

vektor
sémantické vyhľadávanie
NLP

Vyskúšajte KI.ordo

Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.

Spustiť demo

← Všetky pojmy

Súvisiace pojmy

Word embeddings

Word embeddings reprezentujú slová ako číselné vektory tak, aby slová s podobným významom ležali vo vektorovom priestore blízko seba, napríklad „auto“ a „vozidlo“. Metódy ako Word2Vec alebo GloVe sa tieto vektory učia z veľkého množstva textu. Boli dôležitým krokom v spracovaní jazyka, napríklad pri vyhľadávaní alebo klasifikácii; dnešné jazykové modely používajú kontextové embeddingy, v ktorých je slovo reprezentované inak podľa vety.

NLP
Vektory
+1

Retrieval-augmented generation (RAG)

Retrieval-augmented generation spája vyhľadávanie s generovaním textu: pred odpoveďou systém vyhľadá relevantné pasáže v zbierke znalostí – napríklad v príručkách, smerniciach alebo FAQ – a odovzdá ich jazykovému modelu ako kontext. Odpoveď tak vychádza z aktuálneho obsahu špecifického pre firmu, a nielen z trénovacích znalostí modelu. Znižuje to vymyslené tvrdenia, zviditeľňuje zdroje a umožňuje aktualizácie bez pretrénovania.

RAG
vyhľadávanie v znalostiach
+1

Vyhľadávanie informácií (information retrieval)

Vyhľadávanie informácií (information retrieval) zahŕňa metódy, ktoré vo veľkom súbore textov nájdu dokumenty alebo úryvky zodpovedajúce dopytu a zoradia ich podľa relevantnosti. Klasické prístupy, ako je BM25, váhujú hľadané výrazy podľa toho, ako často a ako zriedka sa vyskytujú; novšie pridávajú sémantickú podobnosť. Tvorí základ vyhľadávačov, podnikového vyhľadávania a generovania rozšíreného o vyhľadávanie (RAG), pri ktorom jazykový model používa nájdené úryvky ako základ svojej odpovede.

Vyhľadávanie
BM25
+1

Transformer

Transformer je architektúra neurónových sietí, ktorá bola predstavená v roku 2017 vo výskumnej práci „Attention Is All You Need“. Jej jadrom je mechanizmus pozornosti: každé slovo sa váži vo vzťahu ku všetkým ostatným slovám v texte a výpočet sa dá efektívne paralelizovať. Transformery tvoria základ dnešných jazykových modelov, ako sú GPT, Claude a BERT, a používajú sa aj pri obrázkoch a zvuku.

Architektúra
Hlboké učenie
+1