AddEmbeddings

Fügt zwei Einbettungsvektoren hinzu und gibt das Ergebnis als normalisierten Vektor zurück.

Format 

AddEmbeddings ( v1 ; v2 )

Parameter 

v1 und v2 – beliebiger Textausdruck, Textfeld oder Containerfeld, das Einbettungsvektoren mit denselben Dimensionen enthält.

Zurückgegebener Datentyp 

Text, Container

Ursprung in Version 

22.0

Beschreibung 

Diese Funktion führt eine Vektoraddition zweier Einbettungsvektoren durch und gibt das Ergebnis als normalisierten Vektor zurück. Die Normalisierung konzentriert den resultierenden Vektor auf seine semantische Richtung und nicht auf seine Größe, was beim Vergleichen oder Bearbeiten von Einbettungen gängige Praxis ist.

Verwenden Sie diese Funktion, um die semantische Bedeutung zweier durch Vektoren dargestellter Konzepte zu kombinieren. Wenn Sie beispielsweise den Vektor für „Ich mag Hunde“ und den Vektor für „Ich mag Katzen“ addieren (hinzufügen), erhalten Sie möglicherweise einen Vektor, der ein Konzept darstellt, das näher an „Ich mag Haustiere“ oder „Ich mag sowohl Hunde als auch Katzen“ liegt. Dies kann bei der semantischen Suche nützlich sein, um Konzepte zu erweitern, oder bei der Datenanalyse, um aggregierte Bedeutungen zu finden.

Wenn v1 und v2 Text sind, müssen sie in Form von JSON-Arrays vorliegen. Normalerweise verbessert die Verwendung von Einbettungsvektoren als binäre Containerdaten jedoch die Leistung.

Hinweise 

  • Einbettungsvektoren müssen aus demselben Modell generiert werden, um Kompatibilität und Leistung zu gewährleisten; das Mischen von Einbettungsvektoren aus verschiedenen Modellen wird nicht unterstützt.

  • Diese Funktion gibt „?“ zurück, wenn:

    • Wenn v1 und v2 unterschiedliche Dimensionen haben

    • Oder das Ergebnis ein Nullvektor ist (was passieren kann, wenn v1 und v2 identisch sind, aber entgegengesetzte Vorzeichen haben), da die Funktion einen Nullvektor nicht normalisieren kann

Beispiel 1 

AddEmbeddings ( "[1, 2, 3]" ; "[4, 5, 6]" ) gibt [0.40160966445124940405, 0.56225353023174917677, 0.722897396012249005] zurück. Die Addition lautet [1+4, 2+5, 3+6] = [5, 7, 9]. Anschließend normalisiert die Funktion diesen Vektor und gibt ihn als JSON-Array zurück, da beide Eingaben Text waren.

Beispiel 2 

AddEmbeddings ( Produkte::Smartphone_Einbettung ; Produkte::Premium_Einbettung ) gibt Containerdaten für den normalisierten Vektor zurück, der das kombinierte Konzept „Premium-Smartphone“ darstellt.

In diesem Beispiel wird davon ausgegangen, dass das Feld „Produkte::Smartphone_Einbettung“ den Einbettungsvektor für den Text „smartphone“ enthält und „Produkte::Premium_Einbettung“ den Einbettungsvektor für den Text „premium“. Der resultierende Vektor könnte mit dem Scriptschritt „Semantische Suche durchführen“ verwendet werden, um Produktbeschreibungen zu finden, die diesem kombinierten Konzept semantisch nahe kommen.

Weiterführende Themen