テキスト間の意味的な類似度を調べるには、距離指標を使用します。よく使われる手法がコサイン距離です。
この演習では、4つのベクトル A、B、C、D が用意されています。コサイン距離を使って、A に最も類似しているベクトルを特定しましょう。
A
B
C
D
A に最も類似しているベクトルはどれですか？
distance はすでに scipy.spatial からインポートされています。
distance
scipy.spatial
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
埋め込みモデルが画期的なAIアプリケーションの数々をどのように支えているかを学びましょう。OpenAI APIを使って埋め込みを作成し、テキスト間の意味的な類似度を計算する方法を習得します。
現在の演習
埋め込みを活用すると、セマンティック検索エンジン、レコメンデーションエンジン、感情分析などの分類タスクといった強力なAIアプリケーションを構築できます。OpenAIの埋め込みモデルを使ってこれらの魅力的なアプリケーションを実現する方法を学びましょう。
埋め込みアプリケーションを本番環境で動かすには、効率的なベクトルの保存とクエリの仕組みが必要ですが、そこで登場するのがベクトルデータベースです。ベクトルデータベースが埋め込みアプリケーションのスケールアップにどう役立つかを学び、Chromaを使って独自のベクトルデータベースの作成とデータ追加を実際に行いましょう。
