AddEmbeddings

Suma dos vectores de incrustación y devuelve el resultado como un vector normalizado.

Formato 

AddEmbeddings ( v1 ; v2 )

Parámetros 

v1 y v2: cualquier expresión de texto, campo de texto o campo de contenedor que contenga vectores de incrustación con las mismas dimensiones.

Tipo de datos devuelto 

texto, contenedor

Se origina en 

22.0

Descripción 

Esta función realiza la adición de vectores en dos vectores de incrustación y devuelve el resultado en forma de vector normalizado. La normalización centra el vector resultante en su dirección semántica en lugar de en su magnitud, lo cual representa una práctica estándar para comparar o manipular incrustaciones.

Utilice esta función para combinar el significado semántico de dos conceptos representados por vectores. Por ejemplo, si se añade el vector "Me gustan los perros" y el vector "Me gustan los gatos", el resultado podría ser un vector que represente un concepto más cercano a "Me gustan las mascotas" o "Me gustan tanto los perros como los gatos". Esto puede ser útil en la búsqueda semántica para ampliar los conceptos o en el análisis de datos para encontrar significados agregados.

Si v1 y v2 son texto, deben tener formato de matrices de JSON. Sin embargo, por lo general, el uso de vectores de incrustación como datos contenedores binarios mejora el rendimiento.

Notas 

  • Los vectores de incrustación deben generarse a partir del mismo modelo para garantizar la compatibilidad y el rendimiento; no se admite la combinación de vectores de incrustación de diferentes modelos.

  • Esta función devuelve "?" en los siguientes casos:

    • Si v1 y v2 tienen dimensiones diferentes

    • O el resultado es un vector cero (lo que puede suceder si v1 y v2 son idénticos pero tienen signos opuestos), porque la función no puede normalizar un vector cero

Ejemplo 1 

AddEmbeddings ( "[1, 2, 3]" ; "[4, 5, 6]" ) devuelve [0.40160966445124940405, 0.56225353023174917677, 0.722897396012249005]. La suma es [1+4, 2+5, 3+6] = [5, 7, 9]. Luego, la función normaliza este vector y lo devuelve como matriz de JSON porque ambas entradas eran texto.

Ejemplo 2 

AddEmbeddings ( Products::Smartphone_Embedding ; Products::Premium_Embedding ) devuelve los datos del contenedor correspondiente al vector normalizado que representa el concepto combinado de "smartphone premium".

En este ejemplo, se presupone que el campo Products::Smartphone_Embedding contiene el vector de incrustación para el texto "smartphone" y Products::Premium_Embedding contiene el vector de incrustación para el texto "premium". El vector resultante podría usarse con el paso de guión Realizar búsqueda semántica para encontrar descripciones de productos que estén semánticamente próximas a este concepto combinado.

Temas relacionados