Kemiripan teks

Pengantar Embeddings dengan OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Ringkasan...

Teks yang mirip secara semantik ditempatkan lebih dekat di ruang vektor
Mengukur jarak = mengukur kemiripan
Memungkinkan aplikasi embedding:
- Pencarian semantik
- Rekomendasi
- Klasifikasi

Plot ruang vektor 2D yang menunjukkan ulasan dengan sentimen dan topik yang sama dipetakan lebih berdekatan di ruang vektor.

Mengukur kemiripan

Jarak kosinus

from scipy.spatial import distance

distance.cosine([0, 1], [1, 0])

1.0

Berkisar dari 0 hingga 2
Angka lebih kecil = kemiripan lebih tinggi

Dua vektor dengan garis lurus di antaranya.

Contoh: Membandingkan kemiripan judul

Daftar dictionary yang memuat judul dan embedding-nya.

Contoh: Membandingkan kemiripan judul

def create_embeddings(texts):
  response = client.embeddings.create(
    model="text-embedding-3-small",
    input=texts
  )
  response_dict = response.model_dump()

  return [data['embedding'] for data in response_dict['data']]

print(create_embeddings(["Python is the best!", "R is the best!"]))

print(create_embeddings("DataCamp is awesome!")[0])

[[0.0050565884448587894, ..., , -0.04000323638319969],
 [-0.0018890155479311943, ..., -0.04085670784115791]]

[0.00037010075175203383, ..., -0.021759100258350372]

Contoh: Membandingkan kemiripan judul

from scipy.spatial import distance
import numpy as np


search_text = "computer"

search_embedding = create_embeddings(search_text)[0]


distances = []

for article in articles:

  dist = distance.cosine(search_embedding, article["embedding"])

  distances.append(dist)


min_dist_ind = np.argmin(distances)

print(articles[min_dist_ind]['headline'])

Perusahaan Teknologi Luncurkan Produk Inovatif untuk Meningkatkan Aksesibilitas Online

Ayo berlatih!

Pengantar Embeddings dengan OpenAI API