คืออะไร Embeddings
การแสดงเวกเตอร์ของข้อมูลสำหรับ ML
Embeddings — เวกเตอร์ตัวเลขที่แสดงวัตถุ (คำ ภาพ ผู้ใช้) ในพื้นที่หลายมิติเพื่อให้วัตถุที่คล้ายกันอยู่ใกล้กัน
ประเภทของ Embeddings
- ข้อความ — Word2Vec, GloVe, FastText, BERT embeddings
- ประโยค — Sentence-BERT, Universal Sentence Encoder
- ภาพ — ResNet features, CLIP embeddings
- ผู้ใช้/สินค้า — สำหรับระบบแนะนำ
- กราฟ — Node2Vec, GraphSAGE สำหรับข้อมูลเครือข่าย
คุณสมบัติหลัก
- ความคล้ายคลึงทางความหมาย — วัตถุที่คล้ายกันอยู่ใกล้กันในพื้นที่
- เลขคณิตเวกเตอร์ — กษัตริย์ - ชาย + หญิง = ราชินี
- มิติ — โดยทั่วไป 128-1536 มิติ
- ความคล้ายคลึงโคไซน์ — เมตริกเปรียบเทียบเวกเตอร์
การประยุกต์ใช้ทางธุรกิจ
- การค้นหาเชิงความหมาย — ค้นหาตามความหมาย ไม่ใช่คำสำคัญ
- คำแนะนำ — "สินค้าที่คล้ายกัน" "คุณอาจชอบ"
- แชทบอท — ระบบ RAG สำหรับคำตอบจากฐานความรู้
- การจัดกลุ่ม — การจัดกลุ่มเนื้อหาอัตโนมัติ
- การตรวจจับซ้ำ — ค้นหาเอกสารและภาพที่คล้ายกัน