نموذج التضمين

term_id: embedding_model

Category: application_paradigms

Definition

تربط هذه النماذج البيانات عالية الأبعاد في فضاء متجهي مستمر منخفض الأبعاد حيث تكون العناصر المتشابهة أقرب إلى بعضها البعض. يلتقط هذا التحول العلاقات الدلالية، مما يسمح بإجراء عمليات بحث دقيقة.

Summary

يحول نموذج التضمين البيانات الخام مثل النص أو الصور إلى متجهات عددية كثيفة تمثل المعنى الدلالي.

Key Concepts

  • التمثيل المتجهي (Vector Representation)
  • التشابه الدلالي (Semantic Similarity)
  • تخفيض الأبعاد (Dimensionality Reduction)
  • استخراج الميزات (Feature Extraction)

Use Cases

  • بناء محركات البحث الدلالية
  • أنظمة التوصية للمنتجات أو المحتوى
  • تجميع المستندات أو الصور المتشابهة

Code Example

1
2
3
4
5
6
7

from transformers import AutoTokenizer, AutoModel
import torch

model = AutoModel.from_pretrained('sentence-transformers/all-MiniLM-L6-v2')
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/all-MiniLM-L6-v2')
inputs = tokenizer('Hello world', return_tensors='pt')
embeddings = model(**inputs).last_hidden_state.mean(dim=1)

Related