Embedding

Come funziona

Il testo viene trasformato in un vettore composto da numeri. Contenuti semanticamente simili tendono ad avere rappresentazioni vicine, permettendo al sistema di cercare informazioni per significato e non soltanto per corrispondenza esatta delle parole.

Esempio pratico

Se un utente chiede “come posso inserire il bot nel sito?”, il sistema può recuperare un contenuto che parla di “installazione del chatbot” anche se le parole non coincidono perfettamente, perché gli embedding rappresentano la vicinanza semantica.

Quando usarlo

Gli embedding sono utili nella ricerca semantica, nella RAG, nel recupero di documenti e nei chatbot che devono individuare il contenuto più pertinente all’interno di una base di conoscenza.

Perché è importante

Senza una rappresentazione semantica, il recupero tende a dipendere maggiormente dalle parole esatte. Gli embedding consentono invece di collegare richieste e contenuti per significato, migliorando la selezione del contesto da fornire al modello.

In Quantiq

Nel training dei chatbot Quantiq i contenuti sorgente e i vettori sono gestiti separatamente. Questo permette di conservare il testo originale e, parallelamente, la rappresentazione usata per il recupero semantico.

Differenze e confronto

Un embedding non è il testo originale e non è una risposta generata. È una rappresentazione matematica usata soprattutto per confrontare e recuperare contenuti.