模型 · 深度词条

Embedding(向量嵌入)

把文字、图片或商品变成一串数字,让含义或用途相近的对象在向量空间里更靠近。

专题词条基础释义核对 2026-10-20专题核对 2026-10-20增补 2026-11-194 条来源
本页目录 13 节

四层解释

通俗

把文字、图片或商品变成一串数字,让含义或用途相近的对象在向量空间里更靠近。

专业

Embedding 是学习得到的稠密向量表示,其几何关系编码与训练目标相关的相似性和结构。

机制

模型通过预测或对比学习调整向量,使相关样本距离更近、不相关样本更远;相似度可用点积或余弦计算。

工程

Embedding 的模型版本、维度、归一化方式和领域数据必须固定记录;更换模型后通常需要重新建索引并复测召回。

全链路位置

INPUT文本、图像或离散实体
→
PROCESS编码器映射到连续向量空间
→
OUTPUT可比较、检索或输入下游模型的向量

常见用途

  • 语义搜索
  • 推荐和聚类
  • RAG 检索

专业边界

  • 距离表示训练目标下的相似,不是客观真理
  • 不同模型的向量通常不能直接混用

常见误解

  • 向量保存了原文全部信息
  • 维度越高检索一定越好

书架上的近邻

读者举着损坏的车轮,在书架上比较车轮维修书与自行车竞赛书。
两本书都谈自行车,只有维修手册回答了眼前的问题。
虚构示例

小林带着坏车轮去图书馆。管理员给了他相邻的两本书:一本教人调辐条,一本讲公路赛的历史。它们都和自行车很近,只有一本能告诉他扳手该往哪边转。

自拟教学说明

Embedding(嵌入)把输入转换成一组数,让系统能按某种相似度比较它们。“同一排书架”只是直觉:向量可以有很多维,相近也取决于模型、任务和度量。找到了近邻,不等于找到了能回答问题的证据。

从词向量到整段内容的表示

Word2Vec 是早期学习词向量的代表;今天用于检索的 Sentence Embedding 通常表示句子或段落。它们都用数值表示信息,但训练目标和适用对象不同,不能把某个词向量示例当作所有 Embedding 模型的工作细节。

依据Efficient Estimation of Word Representations in Vector SpaceSemantic Search

相似度来自同一套表示空间

工程判断

语义检索通常用兼容的模型编码查询与文档,再比较向量。数值相近只表示该表示空间中的相似,不证明内容真实或可授权访问。更换模型后,本站建议重新建立或验证索引,并用中文、专有名词、否定句等实际样本检查召回。

依据Semantic SearchSearch Concepts

Worked Example

查找退款规定

虚构教学示例,不对应真实业务数据或性能承诺。

  1. 分别编码

    把用户的“钱什么时候退”和政策段落转为可比较的向量。

  2. 检索候选

    找到语义相关的退款段落,但保留版本和用户权限过滤。

  3. 核对证据

    检查退货和退款是否被混淆,再将有效段落交给生成环节。

Embedding 帮助找到相关内容,不能替代权限、时效和事实判断。

来源与核对记录

S1
Machine Learning GlossaryGoogle for Developers · 官方技术文档 · 查阅 2026-10-24
S2
Efficient Estimation of Word Representations in Vector SpaceMikolov et al. · 原始论文 · 查阅 2026-10-20
S3
Semantic SearchSentence Transformers · 官方开源文档 · 查阅 2026-10-20
S4
Search ConceptsWeaviate · 官方技术文档 · 查阅 2026-10-20

基础释义核对:2026-10-20。专题核对:2026-10-20。局部增补:2026-11-19。局部修订不代表旧正文全部复核,尚未完成外部专家审稿。