In a similarity search, | the process begins | by converting the user’s
Trong một tìm kiếm tương đồng, | quy trình bắt đầu | bằng việc chuyển đổi truy vấn của người dùng
query (such as | a piece of | text or an image)
(chẳng hạn như | một đoạn | văn bản hoặc một hình ảnh)
into an embedding—a | vector representation that | captures the query’s semantic
thành một embedding—một | biểu diễn vector nắm bắt | ý nghĩa ngữ nghĩa của truy vấn.
meaning. | This embedding | is generated using a
Ý nghĩa. | Embedding này | được tạo ra bằng cách sử dụng một
pre-trained model, such | as BERT for | text or a neural
mô hình được huấn luyện trước, chẳng hạn | như BERT cho | văn bản hoặc một mạng
network for images. | Once the query | is converted into a
thần kinh cho hình ảnh. | Sau khi truy vấn | được chuyển đổi thành một
vector, it is | compared to the | embeddings stored in the
vector, nó được | so sánh với các | embedding được lưu trữ trong
vector database. |
cơ sở dữ liệu vector. |
Resources
References
- https://roadmap.sh/ai-engineer (Node: Performing Similarity Search)
← Indexing Embeddings · AI Engineer Roadmap · What are RAGs? →