Modello di Embedding

term_id: embedding_model

Category: application_paradigms

Definition

Questi modelli mappano dati ad alta dimensionalità in uno spazio vettoriale continuo a dimensionalità inferiore, dove elementi simili si trovano più vicini tra loro. Questa trasformazione cattura le relazioni semantiche, permettendo a

Summary

Un modello di embedding converte dati grezzi come testo o immagini in vettori numerici densi che rappresentano il significato semantico.

Key Concepts

  • Rappresentazione Vettoriale
  • Somiglianza Semantica
  • Riduzione della Dimensionalità
  • Estrazione delle Caratteristiche

Use Cases

  • Costruzione di motori di ricerca semantici
  • Sistemi di raccomandazione per prodotti o contenuti
  • Clustering di documenti o immagini simili

Code Example

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)

Correlati