Подібність текстів

Вступ до Embeddings з OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Підсумуємо…

Семантично подібні тексти розташовані ближче у векторному просторі
Відстань дає змогу виміряти подібність
Уможливлює застосування embeddings:
- Семантичний пошук
- Рекомендації
- Класифікація

Графік 2D-векторного простору, що показує: огляди з однаковим тоном і темою розташовані ближче один до одного у векторному просторі.

Вимірювання подібності

Косинусна відстань

from scipy.spatial import distance

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

1.0

Діапазон від 0 до 2
Менше число = більша подібність

Два вектори з проведеною між ними прямою.

Приклад: порівняння подібності заголовків

Список словників із заголовками та їхніми embeddings.

Приклад: порівняння подібності заголовків

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]

Приклад: порівняння подібності заголовків

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'])

Tech Company Launches Innovative Product to Improve Online Accessibility

Давайте потренуємось!

Вступ до Embeddings з OpenAI API