エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Embeddingで作成したベクトルデータから、類似度を高いものを検索する - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Embeddingで作成したベクトルデータから、類似度を高いものを検索する - Qiita
はじめに OpenAIのEmbeddingを使うことで、文章を定量化(ベクトル化)できます。 今回は、その機能を使... はじめに OpenAIのEmbeddingを使うことで、文章を定量化(ベクトル化)できます。 今回は、その機能を使って、 データベースの文章をベクトル化しデータ構築 入力された文章をベクトル化 データベースから最も近いベクトルを抽出 ということをします。 これを応用して、コールセンターの自動化などができるようです。 今回は、Google Colabratory上でやってみます。 Google Colabのノートブックを作成する まず、Google Colabのノートブックを新規作成しましょう。 OpenAIのインストール Google Colabには、様々なライブラリが初めからインストールされていますが、OpenAIはインストールされていないようです。 インストールしましょう。 data = [ { "company" : "A社", "text" : "A社は、大手IT企業であり、常に最