Vektorová reprezentace | AI slovník

Odborná definice

Embedding je hustý číselný vektor, který reprezentuje objekt, například slovo, dokument, obrázek, uživatele nebo produkt, v naučenom prostoru vlastností. Hodnoty jednotlivých rozměrů zpravidla nemají samostatný lidský název, ale geometrické vztahy mezi vektory zachycují podobnost relevantní pro tréninkovou úlohu. Embeddingy umožňují sémantické vyhledávání, shlukování, doporučení a vstup do dalších modelů. Jejich význam závisí na modelu, dat, normalizace a zvolené metriky vzdálenosti.

Srozumitelné vysvětlení

Běžná databáze ví najít stejné slovo. Embedding umožní najít i text s podobným významom, ačkoli používá jiné výrazy. Každý dokument se převede na souřadnice v prostoru, kde se významově blízké položky ocitnou při sebe. Vektor však není univerzální překlad významu. Model vytvořený pro anglické vyhledávání nemusí správně zachytit slovenskou právnu terminologii a podobnost nameraná kosínusom může vést k jinému pořadí než euklidovská vzdálenost. Proto se testuje na vlastních dotazoch a dokumentech.

Časté otázky

Je každý rozměr embeddingu samostatná vlastnost?

Obvykle ne. Informace je rozložená mezi mnohé rozměry a význam vzniká jejich kombinací. Priama interpretace jedné souřadnice bývá nespolahlivá.

Proč se embeddingy často normalizují?

Normalizace zjednotí délku vektorů a umožní, aby kosínusová podobnost závisela zejména od smeru. Musí však odpovídat odporúčání konkrétního modelu.

Může embedding obsahovat citlivé informace?

Ano. Ačkoli nejde o čitatelný text, vektor může zachovávat informace o obsahu nebo osobe a někdy umožnit inferenci citlivých atributů či rekonštrukci.

Jsou embeddingy z dvou modelů kompatibilní?

Ne automaticky. Každý model vytváří vlastní geometrii a často i jinou dimenzi. Dotaz a dokumenty se musí kódovat kompatibilnou verzí.

Jak se hodnotí kvalita embeddingu?

Podle konkrétní úlohy, například Recall@k při vyhledávání, přesnosti klasifikace, kvality shluků, robustnosti vůči parafrázam a výsledků na doménových datech.

Související pojmy

Zdroje a redakční stopa

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