ChatGPT基础知识系列之Embeddings模型

ChatGPT基础知识系列之Embeddings模型

OpenAI的Embeddings(文本嵌入)测量的是文本字符串的相关性。嵌入通常用于：

1. 搜索（根据与查询字符串的相关性对结果进行排名）
2. 聚类（其中文本字符串按相似性分组）
3. 建议（推荐具有相关文本字符串的项目）
4. 异常检测（识别出相关性很小的异常值）
5. 多样性测量（分析相似性分布）
6. 分类（其中文本字符串按其最相似的标签进行分类）

一个Embedding本质上是一个向量——多个浮点数组成的列表，也就是通过向量来表示文本，两个向量之间的距离测量它们的相关性。小距离表示高相关性，大距离表示低相关性。

嵌入是将文本转换为数字序列的数字表示，这使得计算机很容易理解这些概念之间的关系。自从OpenAI的嵌入模型首次推出以来，许多应用程序都加入了使用Embeddings来个性化、推荐和搜索内容。

获取文本的Embedding

要获得文本的Embedding，只需要将文本字符串与嵌入模型ID(例如，text-embedding-ada-002)作为参数，调用openai的接口即可

curl https://ap