【大模型应用开发极简入门】其他OpenAI API和功能：embedding（文本之间的向量相关性）、Moderation（内容审核模型）、Image generation

除了文本补全功能，OpenAI用户还可以使用其他一些功能。本文介绍embedding、moderation、Image g eneration等功能。

 

一. embedding：文本之间的向量相关性

OpenAI的文本嵌入技术衡量文本字符串的相关性。根据文本的向量相关性Embeddings可以：

1. 搜索（结果按与查询字符串的相关性排名）
2. 聚类（将文本字符串按相似性分组）
3. 推荐（推荐与相关文本字符串相关的项目）
4. 异常检测（识别与其他文本关联较少的异常值）
5. 多样性测量（分析相似性分布）
6. 分类（将文本字符串按其最相似的标签分类）

嵌入是一组浮点数构成的向量（列表）。两个向量之间的距离衡量它们之间的相关性。较小的距离表明高相关性，而较大的距离表明低相关性。

embeddings的价格，参考官网：https://openai.com/api/pricing/ 。
 
截止到24年5月29日，模型的价格

 

1. 使用embedding

result = openai.Embedding.create(
    model="text-embedding-ada-002", input="your text"
)

通过以下方式访问嵌入：

result['data']['embedding']

结果嵌入是一个向量，即一个浮点数数组。

OpenAI的API 的完整文档：https://platform.openai.com/docs/guides/embeddings/use-cases

 

2. embedding的基本逻辑

在ML领域，特别是在处理语言模型时，我们会遇到embedding这一重要概念。

embedding将数据转换为数值格式

• embedding将分类数据ÿ