پاسخ کوتاه: امبدینگ نمایش عددی معنای متن، تصویر یا هر داده دیگر بهصورت برداری از صدها یا هزاران عدد است. نکته کلیدی این است که دادههای هممعنا بردارهای نزدیک به هم میگیرند: «پایتخت ایران» و «تهران» در این فضای برداری کنار هم قرار میگیرند حتی اگر هیچ کلمه مشترکی نداشته باشند. امبدینگ زیربنای جستوجوی معنایی، سیستمهای RAG، پیشنهاددهندهها و خوشهبندی محتواست و در پایگاههای داده برداری ذخیره و جستوجو میشود.
معادل انگلیسی: Embedding
پرسشهای پرتکرار درباره امبدینگ
تفاوت جستوجوی معنایی و جستوجوی کلیدواژهای چیست؟
جستوجوی کلیدواژهای دنبال تطابق لفظی میگردد اما جستوجوی معنایی با مقایسه امبدینگها، نتایج هممفهوم را پیدا میکند؛ مثلاً برای «خودرو برقی» نتایجی درباره «ماشین الکتریکی» هم برمیگرداند.
ابعاد امبدینگ یعنی چه؟
تعداد اعداد هر بردار — معمولاً بین ۳۸۴ تا ۳۰۷۲. ابعاد بیشتر ظرافت معنایی بیشتری ثبت میکند اما حافظه و هزینه جستوجو را هم بالا میبرد.
امبدینگ فارسی کیفیت خوبی دارد؟
مدلهای امبدینگ چندزبانه مطرح از فارسی پشتیبانی میکنند، اما کیفیتشان معمولاً از انگلیسی پایینتر است؛ برای پروژههای فارسی حتماً باید چند مدل را روی داده واقعی خودتان مقایسه کنید.