โลกอันน่าทึ่งของ Embeddings!

การสร้าง Embeddings ด้วย OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Embeddings คืออะไร?

แนวคิดจาก Natural Language Processing (NLP)
การแทนค่าข้อความด้วยตัวเลข

คำหนึ่งถูกป้อนเข้าโมเดล embedding ซึ่งแสดงผลลัพธ์เป็นตัวเลขแทนค่าข้อความ

Embeddings คืออะไร?

ข้อความถูกแมปลงบน vector space หลายมิติ
ตัวเลขที่โมเดลแสดงผลคือตำแหน่งของข้อความในพื้นที่นั้น
คำที่มีความหมายคล้ายกันจะอยู่ ใกล้กัน
คำที่ต่างกันจะอยู่ ห่างกัน

ข้อความที่แทนค่าด้วยตัวเลข โดยข้อความที่คล้ายกันจะอยู่ใกล้กัน

Embeddings มีประโยชน์อย่างไร?

Embeddings ช่วยจับ ความหมายเชิงความหมาย (semantic meaning)
Semantic meaning: บริบทและเจตนาที่อยู่เบื้องหลังข้อความ

ตัวอย่าง:
- "Which way is it to the supermarket?"
- "Could I have directions to the shop?"

ข้อความที่แทนค่าด้วยตัวเลข โดยข้อความที่คล้ายกันจะอยู่ใกล้กัน

Semantic search engine

เครื่องมือค้นหาแบบดั้งเดิม
- ใช้การจับคู่รูปแบบ คีย์เวิร์ด
- อาจพลาดเจตนาที่แท้จริง
- พลาดคำที่มีรูปแบบต่างกัน

Semantic search engine

ใช้ embeddings เพื่อเข้าใจเจตนาและบริบท

Semantic search engine

ใช้ embeddings เพื่อเข้าใจเจตนาและบริบท

ระบบแนะนำ

ตัวอย่าง: ระบบแนะนำตำแหน่งงาน
- แนะนำงานตามคำอธิบายที่เคยดู
- ลดผลกระทบจากความแตกต่างของชื่อตำแหน่ง

การแนะนำตำแหน่งงานที่แสดงเป็น embeddings

การจำแนกประเภท

งานด้านการจำแนก:

จำแนก sentiment
จัดกลุ่มข้อมูล
การแบ่งหมวดหมู่

ตัวอย่าง:

จำแนกหัวข้อข่าว

หัวข้อข่าวที่ไม่รู้จักแสดงเป็น embeddings เพื่อจำแนกประเภท

การสร้างคำขอ Embeddings

Embeddings endpoint

from openai import OpenAI


client = OpenAI(api_key="<OPENAI_API_KEY>")

response = client.embeddings.create(

  model="text-embedding-3-small",

  input="Embeddings are a numerical representation of text that can be used to
measure the relatedness between two pieces of text."

)


response_dict = response.model_dump()
print(response_dict)

¹ https://platform.openai.com/docs/api-reference/embeddings

การตอบกลับของ Embeddings

{'object': 'list',
 'data': [
    {
      "embedding": [0.0023064255, ..., -0.0028842222],
      "index": 0,
      "object": "embedding"
    }
  ],
 'model': 'text-embedding-3-small',
 'usage': {
  "prompt_tokens": 24,
  "total_tokens": 24
  }
}

การดึงค่า Embeddings

print(response_dict['data'][0]['embedding'])

[0.0023064255, ...., -0.0028842222]

มาฝึกกันเถอะ!

การสร้าง Embeddings ด้วย OpenAI API

Preparing Video For Download...