Odborná definícia
Význam a odborné vymedzenie pojmu
Embedding je hustý číselný vektor, ktorý reprezentuje objekt, napríklad slovo, dokument, obrázok, používateľa alebo produkt, v naučenom priestore vlastností. Hodnoty jednotlivých rozmerov spravidla nemajú samostatný ľudský názov, no geometrické vzťahy medzi vektormi zachytávajú podobnosť relevantnú pre tréningovú úlohu. Embeddingy umožňujú sémantické vyhľadávanie, zhlukovanie, odporúčanie a vstup do ďalších modelov. Ich význam závisí od modelu, dát, normalizácie a zvolenej metriky vzdialenosti.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Bežná databáza vie nájsť rovnaké slovo. Embedding umožní nájsť aj text s podobným významom, hoci používa iné výrazy. Každý dokument sa prevedie na súradnice v priestore, kde sa významovo blízke položky ocitnú pri sebe. Vektor však nie je univerzálny preklad významu. Model vytvorený pre anglické vyhľadávanie nemusí správne zachytiť slovenskú právnu terminológiu a podobnosť nameraná kosínusom môže viesť k inému poradiu než euklidovská vzdialenosť. Preto sa testuje na vlastných dotazoch a dokumentoch.
Časté otázky
Otázky, ktoré spresňujú význam
Je každý rozmer embeddingu samostatná vlastnosť?
Zvyčajne nie. Informácia je rozložená medzi mnohé rozmery a význam vzniká ich kombináciou. Priama interpretácia jednej súradnice býva nespoľahlivá.
Prečo sa embeddingy často normalizujú?
Normalizácia zjednotí dĺžku vektorov a umožní, aby kosínusová podobnosť závisela najmä od smeru. Musí však zodpovedať odporúčaniu konkrétneho modelu.
Môže embedding obsahovať citlivé informácie?
Áno. Hoci nejde o čitateľný text, vektor môže zachovávať informácie o obsahu alebo osobe a niekedy umožniť inferenciu citlivých atribútov či rekonštrukciu.
Sú embeddingy z dvoch modelov kompatibilné?
Nie automaticky. Každý model vytvára vlastnú geometriu a často aj inú dimenziu. Dotaz a dokumenty sa musia kódovať kompatibilnou verziou.
Ako sa hodnotí kvalita embeddingu?
Podľa konkrétnej úlohy, napríklad Recall@k pri vyhľadávaní, presnosti klasifikácie, kvality zhlukov, robustnosti voči parafrázam a výsledkov na doménových dátach.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.