Az embedding olyan technika, amely a szavakat vagy más elemeket számsorozatként (vektorként) ábrázolja, hogy a gép fel tudja dolgozni őket.
Az embedding lehetővé teszi, hogy a gép megértse a szavak közötti hasonlóságokat. Például a „király” és a „királynő” hasonló vektort kap.
Alapvető építőeleme a modern természetes nyelvfeldolgozó rendszereknek.
Kulcsszókeresés, szemantikus keresés, ajánlórendszerek.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A k-NN algoritmus az új adatokat azokhoz hasonlítja, amelyekhez legközelebb esnek az adathalmazban.
Az LLM olyan nyelvi modell, amely hatalmas mennyiségű szöveges adaton tanul, és képes összetett, emberihez hasonló szövegeket létrehozni.
Egy egy olyan AI keretrendszer, amely külső tudásbázisból keres információt, majd az abból kinyert adatok felhasználásával generál választ.
A szemantikus keresés egy olyan keresési technológia, amely nemcsak a kulcsszavakat, hanem a szöveg jelentését is figyelembe veszi.
A szöveg legkisebb egysége, amelyet az AI-modell feldolgoz (lehet szó, szótag vagy karakterdarab).
A tokenizálás a szöveg feldarabolása kisebb egységekre, például szavakra, szótagokra vagy karakterekre.
A transformer egy neurális hálózati architektúra, amely hatékonyan dolgozza fel a szöveges adatokat.
