Normalizace vektora | AI slovník

Odborná definice

Vector normalization je transformace vektora na předem určenou měřítko, nejčastěji na jednotkovou L2 normu. Při nenulovom vektore se každý prvek vydelí jeho normou, čím se zachová směr a odstraní absolutní velikost. Po L2 normalizaci se skalárny součin dvou vektorů rovná jejich kosínusovej podobnosti. Operace ovlivňuje indexování, prahy i trénink metrických modelů. Nulový nebo téměř nulový vektor vyžaduje osobitné ošetrení, protože dělení může vytvořit nestabilní hodnoty.

Srozumitelné vysvětlení

Dva embeddingové modely mohou vytvářet šípky s podobným směrem, ale velmi odlišnou délkou. Pokud vyhledávání porovnává surový skalárny součin, dlhší vektor může získat výhodu pouze svojou mierkou. Normalizace skráti nebo predlži všechny šípky na stejnou délku a nechá rozhodovat směr. To však není vždy správně. Některé modely používají normu jako užitečný signál istoty nebo popularity, takže její odstranění může změnit význam skóre.

Časté otázky

Je L2 normalizace povinná při cosine similarity?

Vzorec kosínusu normy dělí automaticky. Při indexe založenom na skalárnom súčine se jednotkové vektory používají na získání stejného pořadí.

Co se dělá s nulovým vektorem?

Použije se definované náhradné chování, malá numerická konštanta nebo se vstup odmietne. Tiché dělení nulou je chyba.

Má se normalizovat před uložením do vektorovej databáze?

Podle metriky a dokumentace indexu. Query i dokumenty musí používat konzistentní postup.

Může normalizace poškodit model?

Ano, pokud velikost vektora nese informaci nebo pokud byl model trénovaný s inou geometriou skóre.

Jako souvisí s kvantizací?

Normalizace mění rozsah hodnot a může ovlivnit kvantizačnou chybu. Pořadí operací se proto verzuje a testuje na finálnom indexe.

Související pojmy

Zdroje a redakční stopa

scikit-learn, Normalizer

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.