Textlikhet

Introduktion till inbäddningar med OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Sammanfattning...

Semantiskt liknande texter placeras närmare varandra i vektorrymden
Avståndsmätning möjliggör similaritetsmätning
Möjliggör tillämpningar med inbäddningar:
- Semantisk sökning
- Rekommendationer
- Klassificering

Ett diagram över det tvådimensionella vektorrummet som visar att recensioner med samma sentiment och ämne placeras närmare varandra i vektorrymden.

Mäta likhet

Cosinusavstånd

from scipy.spatial import distance

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

1.0

Varierar mellan 0 och 2
Lägre värde = Större likhet

Två vektorer med en rät linje dragen mellan dem.

Exempel: Jämföra rubriklikhet

En lista med ordböcker som innehåller rubrikerna och deras inbäddningar.

Exempel: Jämföra rubriklikhet

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]

Exempel: Jämföra rubriklikhet

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

Nu kör vi en övning!

Introduktion till inbäddningar med OpenAI API