Hvad er en embedding?

En embedding er en liste af tal, der fanger, hvad et stykke tekst betyder, ikke bare hvilke ord den indeholder. To tekster, der handler om det samme, som "feriepenge" og "betalt ferie", ender tæt på hinanden i tallene, selvom de ikke deler et eneste ord.

Det er den teknik, der gør, at søgning kan blive forståelse i stedet for ordmatchning. Når du spørger "hvad gælder, når jeg holder ferie?", kan systemet finde afsnittet om ferie i personalepolitikken, selvom dit spørgsmål ikke indeholdt ordet "ferie".

I praksis bruges embeddings som et indeks: jeres dokumenter deles i bidder, hvert bid får sine tal, og når et spørgsmål kommer, sammenlignes spørgsmålets tal med biddernes. De hits, der ligger tættest på, sendes til sprogmodellen som grundlag. Det er sådan, EuroWorks vidensbibliotek og dokumentsøgning finder det rigtige afsnit i en håndbog på hundrede sider, og omkostningen ved indekseringen fremgår af omkostningsloggen ligesom alt andet.