AddEmbeddings

Voegt twee insluitvectoren toe en retourneert het resultaat als een genormaliseerde vector.

Opmaak 

AddEmbeddings ( v1 ; v2 )

Parameters 

v1 en v2 - een tekstexpressie, tekstveld of containerveld dat ingesloten vectoren met dezelfde afmetingen bevat.

Resulterend gegevenstype 

tekst, container

Afkomstig uit versie 

22.0

Beschrijving 

Deze functie voert vectortoevoeging uit op twee insluitvectoren en retourneert het resultaat als een genormaliseerde vector. Normalisatie richt de resulterende vector op de semantische richting in plaats van op de grootte, wat de standaardwerkwijze is voor het vergelijken of manipuleren van insluitingen.

Gebruik deze functie om de semantische betekenis van twee concepten die door vectoren worden vertegenwoordigd, te combineren. Het toevoegen van de vector voor "ik hou van honden" en de vector voor "ik hou van katten" kan bijvoorbeeld resulteren in een vector die een concept vertegenwoordigt dat dichter bij "ik hou van huisdieren" of "ik hou van zowel honden als katten". Dit kan handig zijn bij semantisch zoeken om concepten te verbreden of bij gegevensanalyse om geaggregeerde betekenissen te vinden.

Als v1 en v2 tekst zijn, moeten ze de vorm hebben van JSON arrays. Meestal echter verbetert het gebruik van insluitvectoren als binaire containergegevens de prestaties.

Opmerkingen 

  • Alle insluitvectoren moeten worden gegenereerd op basis van hetzelfde model om compatibiliteit en prestaties te garanderen; het mengen van insluitvectoren van verschillende modellen wordt niet ondersteund.

  • Deze functie retourneert "?" als:

    • v1 en v2 verschillende afmetingen hebben

    • Of het resultaat is een nulvector (wat kan gebeuren als v1 en v2 identiek zijn maar tegengestelde tekens hebben), omdat de functie een nulvector niet kan normaliseren

Voorbeeld 1 

AddEmbeddings ( "[1, 2, 3]" ; "[4, 5, 6]" ) geeft [0.40160966445124940405, 0.56225353023174917677, 0.722897396012249005] terug. De toevoeging is [1+4, 2+5, 3+6] = [5, 7, 9]. Vervolgens normaliseert de functie deze vector en retourneert deze als een JSON-array omdat beide ingangen tekst waren.

Voorbeeld 2 

AddEmbeddings ( Producten::Smartphone_Insluiting ; Producten::Premium_Insluiting ) retourneert containergegevens voor de genormaliseerde vector die het gecombineerde concept van "premium smartphone" vertegenwoordigt.

In dit voorbeeld wordt ervan uitgegaan dat het veld Products::Smartphone_Insluiting de insluitvector voor de tekst "smartphone" bevat en Producten::Premium_Insluiting bevat de insluitvector voor de tekst "premium". De resulterende vector kan worden gebruikt met de Semantische zoekopdracht uitvoeren scriptstap om productbeschrijvingen te vinden die semantisch dicht bij dit gecombineerde concept liggen.