임베딩 이란
ML을 위한 데이터의 벡터 표현
임베딩 — 객체(단어, 이미지, 사용자)를 다차원 공간에서 수치 벡터로 표현하여 유사한 객체가 서로 가까이 위치하도록 함.
임베딩 유형
- 텍스트 — Word2Vec, GloVe, FastText, BERT 임베딩
- 문장 — Sentence-BERT, Universal Sentence Encoder
- 이미지 — ResNet 특징, CLIP 임베딩
- 사용자/상품 — 추천 시스템용
- 그래프 — 네트워크 데이터용 Node2Vec, GraphSAGE
핵심 특성
- 의미적 유사성 — 유사한 객체는 공간에서 가까움
- 벡터 연산 — 왕 - 남자 + 여자 = 여왕
- 차원 — 일반적으로 128-1536차원
- 코사인 유사도 — 벡터 비교 지표
비즈니스 적용
- 시맨틱 검색 — 키워드가 아닌 의미로 검색
- 추천 — "비슷한 상품", "관심 가질 만한"
- 챗봇 — 지식베이스 답변을 위한 RAG 시스템
- 클러스터링 — 자동 콘텐츠 그룹화
- 중복 탐지 — 유사한 문서와 이미지 찾기