Was ist Embeddings
Vektordarstellungen von Daten für ML
Embeddings — numerische Vektoren, die Objekte (Wörter, Bilder, Benutzer) im mehrdimensionalen Raum so darstellen, dass ähnliche Objekte nahe beieinander liegen.
Arten von Embeddings
- Text — Word2Vec, GloVe, FastText, BERT-Embeddings
- Satz — Sentence-BERT, Universal Sentence Encoder
- Bild — ResNet-Features, CLIP-Embeddings
- Benutzer/Produkt — für Empfehlungssysteme
- Graph — Node2Vec, GraphSAGE für Netzwerkdaten
Wichtige Eigenschaften
- Semantische Ähnlichkeit — ähnliche Objekte sind im Raum nah
- Vektorarithmetik — König - Mann + Frau = Königin
- Dimensionalität — typischerweise 128-1536 Dimensionen
- Kosinusähnlichkeit — Metrik zum Vergleich von Vektoren
Geschäftsanwendungen
- Semantische Suche — Suche nach Bedeutung, nicht nach Schlüsselwörtern
- Empfehlungen — "ähnliche Produkte", "könnte Ihnen gefallen"
- Chatbots — RAG-Systeme für Wissensdatenbank-Antworten
- Clustering — automatische Inhaltsgruppierung
- Duplikaterkennung — Finden ähnlicher Dokumente und Bilder