Embedding (Gömme) nedir?

Detaylı açıklama

Embedding, yapay zeka modellerinin dili işleyebilmesi için metni sayılara dönüştürme yöntemidir. Her kelime, cümle ya da belge, çok boyutlu bir uzayda bir nokta gibi düşünülebilecek bir sayı dizisiyle (vektörle) gösterilir. Temel fikir şudur: anlamca birbirine yakın içerikler bu uzayda da birbirine yakın durur. Böylece bilgisayar iki ifadenin ne kadar benzediğini, aralarındaki mesafeye bakarak ölçebilir. Bu temsiller sinir ağları, boyut indirgeme yöntemleri veya olasılıksal modellerle öğrenilebilir. Kaynaklara göre 2013'te Google'da Tomas Mikolov'un ekibinin geliştirdiği word2vec, konuyu geniş çaplı denemelere taşıyan önemli adımlardan biri oldu. İlk yöntemler her kelimeye tek bir vektör verdiği için çok anlamlı kelimeleri ayırt edemiyordu. Sonraki dönemde ELMo ve BERT gibi bağlama duyarlı yaklaşımlar, bir kelimenin geçtiği her yer için ayrı bir vektör üretmeye başladı. Fikir sonradan cümlelere ve belgelere de genişletildi. Embedding'ler eğitildikleri verideki önyargıları da taşıyabilir. Örneğin cinsiyet ve ırk temelli çağrışımlar vektörlere yansıyabilir, hatta güçlenebilir. Bu yüzden kullanırken dikkatli denetim gerekir. Pratikte arama, öneri, kümeleme ve duygu analizi gibi işlerde temel girdi olarak kullanılır.

Kullanım örneği

Bir alışveriş sitesinde 'koşu ayakkabısı' diye arama yaptığınızda, sistem bu ifadeyi vektöre çevirir. 'Spor ayakkabı' gibi anlamca yakın ürünler de, başlıkta aynı kelimeler geçmese bile sonuçlara girer.