Embedding چیست ؟
کامپیوتر برای مقایسه معنای جملهها به چیزی عددی نیاز دارد. Embedding یا امبدینگ روشی است که متن، تصویر یا داده دیگر را به مجموعهای از عددها تبدیل میکند تا شباهت و ارتباط میان آنها راحتتر محاسبه شود.
فرض کنید سه جمله درباره «کیف پول بیتکوین» دارید و یک جمله درباره «دستور پخت پاستا». در یک سیستم Embedding خوب، نمایش عددی سه جمله اول معمولاً از نظر فاصله به هم نزدیکتر از جمله چهارم خواهد بود، چون از نظر معنا مرتبطترند.
این ویژگی در جستوجوی معنایی، پیشنهاد محتوا، دستهبندی و RAG کاربرد دارد. به جای اینکه فقط دنبال همان کلمه دقیق بگردیم، میتوانیم محتوایی را پیدا کنیم که از نظر معنی به سؤال نزدیک است.
خود Embedding متن قابلخواندن برای انسان نیست؛ معمولاً یک بردار شامل تعداد زیادی عدد است. فاصله یا شباهت بین این بردارها به سیستم کمک میکند موارد نزدیک را رتبهبندی کند.
Embedding هم جادو نمیکند. نتیجه به مدل Embedding و نوع داده وابسته است و شباهت عددی همیشه به معنی پاسخ صحیح نیست. در یک سیستم واقعی، Embedding معمولاً یکی از اجزای جستوجو و بازیابی است، نه کل فرایند تصمیمگیری.