文本相似度

使用 OpenAI API 的 Embeddings 入门

Emmanuel Pire

Senior Software Engineer, DataCamp

回顾…

语义相近的文本在向量空间中距离更近
用距离衡量相似度
支持以下嵌入应用：
- 语义搜索
- 推荐
- 分类

一个二维向量空间示意图，显示同一情感与主题的评论在向量空间中更接近。

衡量相似度

余弦距离

from scipy.spatial import distance

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

1.0

取值范围 0 到 2
数值越小＝相似度越高

两条向量及其夹角直线示意图。

示例：比较标题相似度

包含标题及其嵌入的字典列表。

示例：比较标题相似度

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]

示例：比较标题相似度

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'])

科技公司发布创新产品以提升在线无障碍性

Passons à la pratique !

使用 OpenAI API 的 Embeddings 入门