Slovar pojmov

Vektor vdelave

Kaj je Vektor vdelave?

Vektor vdelave (embedding) je seznam števil, ki predstavlja pomen besede, stavka ali dokumenta tako, da so si besedila s podobno vsebino blizu. Tako je mogoče na primer prepoznati, da sta „odpoved“ in „prenehanje pogodbe“ povezani, čeprav nimata skupnih besed. Vdelave so podlaga mnogih sistemov pomenskega iskanja, priporočilnih storitev in aplikacij RAG; izračunajo jih posebej naučeni modeli.

Kako pomaga KI.ordo

KI.ordo za iskanje po znanju ne uporablja vdelav, temveč iskanje po ključnih besedah BM25, ki teče neposredno na strežniku.

Teme

vektor
pomensko iskanje
NLP

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev

← Vsi pojmi

Sorodni pojmi

Vložitve besed

Vložitve besed predstavljajo besede kot številske vektorje, tako da besede s podobnim pomenom ležijo blizu skupaj v vektorskem prostoru, na primer „avto“ in „vozilo“. Metode, kot sta Word2Vec ali GloVe, te vektorje naučijo iz velikih količin besedila. Bile so pomemben korak v obdelavi jezika, na primer za iskanje ali razvrščanje; današnji jezikovni modeli uporabljajo kontekstualne vložitve, pri katerih je beseda predstavljena drugače glede na stavek.

NLP
Vektorji
+1

Generiranje z obogatenim priklicem (RAG)

Generiranje z obogatenim priklicem združuje iskanje z generiranjem besedil: preden sistem odgovori, v zbirki znanja – na primer priročnikih, pravilnikih ali pogostih vprašanjih – poišče ustrezne odlomke in jih kot kontekst poda jezikovnemu modelu. Odgovor tako temelji na aktualnih vsebinah podjetja in ne le na znanju modela iz učenja. To zmanjša izmišljene trditve, omogoči sledljivost virov in posodobitve brez ponovnega učenja.

RAG
iskanje po znanju
+1

Iskanje informacij

Iskanje informacij zajema metode, ki v veliki zbirki besedil najdejo dokumente ali odlomke, ki ustrezajo poizvedbi, in jih razvrstijo po ustreznosti. Klasični pristopi, kot je BM25, iskalne izraze uteže glede na to, kako pogosto in kako redko se pojavljajo; novejši dodajajo pomensko podobnost. Podlaga so iskalnikom, podjetniškemu iskanju in generiranju z dopolnjevanjem iz virov, pri katerem jezikovni model najdene odlomke uporabi kot osnovo za odgovor.

Iskanje
BM25
+1

Transformer

Transformer je arhitektura nevronskih mrež, predstavljena leta 2017 v raziskovalnem članku „Attention Is All You Need“. Jedro je mehanizem pozornosti: vsaka beseda se pretehta glede na vse druge besede v besedilu, izračun pa je mogoče učinkovito vzporediti. Transformerji so podlaga današnjih jezikovnih modelov, kot so GPT, Claude in BERT, uporabljajo pa se tudi za slike in zvok.

Arhitektura
Globoko učenje
+1