Što je embedding?

Embedding je popis brojeva koji hvataju što znači dio teksta, a ne samo koje riječi sadrži. Dva teksta koja govore o istoj stvari, primjerice "naknada za godišnji odmor" i "plaćeni dopust", završit će blizu jedan drugome u tim brojevima iako ne dijele niti jednu riječ.

To je tehnologija koja pretragu pretvara u razumijevanje umjesto u puko podudaranje riječi. Kad pitaš "što vrijedi kad sam na dopustu?", sustav može pronaći dio pravilnika o godišnjem odmoru iako tvoje pitanje ne sadrži tu riječ.

U praksi se embeddinzi koriste kao indeks: vaši dokumenti dijele se na dijelove, svakom dijelu dodjeljuju se brojevi, a kad stigne upit, uspoređuju se brojevi upita s brojevima dijelova. Najbliži rezultati šalju se jezičnom modelu kao podloga. Tako EuroWorkova baza znanja i pretraga dokumenata pronalazi pravi odlomak u priručniku od stotinjak stranica, a trošak indeksiranja vidi se u evidenciji troškova kao i sve drugo.