Čo je embedding?

Vysvetlenie

Počítač nerozumie slovám, pracuje s číslami. Embedding model prevedie napríklad vetu na vektor so stovkami až tisíckami čísel. Tie sú usporiadané tak, že texty s podobným významom ležia v priestore blízko seba, aj keď používajú iné slová. Veta „ako vrátim tovar“ bude blízko vety „reklamácia a vrátenie objednávky“.

Vďaka tomu sa dá vyhľadávať podľa významu, nielen podľa zhody slov. Na tom stojí RAG, odporúčanie podobných produktov, zoskupovanie dopytov podľa témy či hľadanie duplicitných záznamov.

Embeddingy sa ukladajú do vektorovej databázy, ktorá dokáže rýchlo nájsť najpodobnejšie záznamy. Pri ich príprave záleží na tom, ako sa dokumenty rozdelia na časti a aký model sa použije, najmä pri slovenčine, kde nie všetky modely fungujú rovnako dobre. Embeddingy sa tiež musia pri zmene dokumentov prepočítať, aby vyhľadávanie pracovalo s aktuálnym obsahom.

Príklad z firmy

E-shop prevedie popisy produktov na embeddingy. Keď zákazník hľadá „niečo na beh v daždi“, vyhľadávanie nájde nepremokavé bežecké bundy, hoci slovo „dážď“ v ich popise nie je.