エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
🦜️🔗 LangChainとRAG: Embeddingで外部データを利用する | CyberAgent Developers Blog
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
🦜️🔗 LangChainとRAG: Embeddingで外部データを利用する | CyberAgent Developers Blog
自然言語処理(NLP)におけるEmbeddingとは、単語や文といった自然言語の情報を、その単語や文の意味を表... 自然言語処理(NLP)におけるEmbeddingとは、単語や文といった自然言語の情報を、その単語や文の意味を表現するベクトル空間にマッピングする方法です。 Embeddingは、浮動小数点数のベクトル (リスト) として出力されます。2つのベクトル間の距離によって、それらの関連性が測定でき、距離が小さい場合は関連性が高いことを示し、距離が大きい場合は関連性が低いことを示しています。 OpenAI のテキスト埋め込みは、テキスト文字列の関連性を測定します。埋め込みは、一般的に次の目的で使用されます。 検索 (クエリ文字列との関連性で並べ替えられた結果) クラスタリング (テキスト文字列が類似度によってグループ化される) Recommend (関連するテキスト文字列を持つアイテムをお勧めします) 異常検出 (ほとんど相関のない外れ値を特定) 多様性尺度(類似度分布の分析) 分類 (テキスト文字