Einführung in Einbettungen

Im maschinellen Lernen ist ein Embedding ein Vektor (eine Anordnung von Zahlen), der reale Objekte wie Wörter, Sätze, Bilder oder Videos repräsentiert. Die interessante Eigenschaft dieser Einbettungen ist, dass zwei Einbettungen, die ähnliche oder verwandte reale Entitäten darstellen, ebenfalls einige Ähnlichkeiten aufweisen, sodass die Einbettungen verglichen und ein Abstand zwischen ihnen berechnet werden kann.

Wenn man speziell an eine Suchanwendung denkt, so liefert die Suche nach Einbettungen im Vektorraum tendenziell Ergebnisse, die eher mit Konzepten als mit den exakten Schlüsselwörtern in der Suchanfrage zusammenhängen.

In diesem Abschnitt des Tutorials lernen Sie, wie Sie mithilfe frei verfügbarer Modelle des maschinellen Lernens Einbettungen generieren und anschließend die Vektordatenbankunterstützung von Elasticsearch nutzen, um diese Einbettungen zu speichern und zu durchsuchen. Und gegen Ende werden Sie auch Vektor- und Volltextsuchergebnisse kombinieren und eine leistungsstarke hybride Suchlösung erstellen, die das Beste aus beiden Ansätzen bietet.