مدل‌های Embeddings توانایی اندازه‌گیری مرتبط بودن متون به یکدیگر را دارند. از Embeddings برای منظورهای مختلفی استفاده می‌شود, از جمله:
- جستجوی میان متون برای یافتن متن‌هایی که از جنبه‌های متفاوتی نزدیک به هم هستند.
- دسته بندی متون با توجه به نزدیکی محتوای آنها.
- توسعه سیستم‌های توصیه کننده
- تشخیص الگوهای متنی غیر متعارف
یک Embedding یک بردار از اعداد اعشاری است. فاصله بین دو متن بر اساس فاصله بین بردارهای آنها اندازه‌گیری می‌شود.
Embeddings API #
برای ساخت یک بردار Embeddings کافی است تا متن مورد نظر خود را همراه با مدلی که می‌خواهید برای ساخت Embeddings استفاده کنید به اندپوینت /v1/embeddings ارسال کنید.
نمونه‌ای از فواخوانی APIی Embeddings را در زیر مشاهده کنید:
1curl https://api.gilas.io/v1/embeddings \
2 -H "Content-Type: application/json" \
3 -H "Authorization: Bearer $GILAS_API_KEY" \
4 -d '{
5 "input": "Your text string goes here",
6 "model": "text-embedding-3-small"
7 }'
پاسخ مدل به درخواست شما یک بردار از اعداد اعشاری همراه با تعدادی متادیتا می‌باشد.
1{
2 "object": "list",
3 "data": [
4 {
5 "object": "embedding",
6 "index": 0,
7 "embedding": [
8 -0.006929283495992422,
9 -0.005336422007530928,
10 ... (omitted for spacing)
11 -4.547132266452536e-05,
12 -0.024047505110502243
13 ],
14 }
15 ],
16 "model": "text-embedding-3-small",
17 "usage": {
18 "prompt_tokens": 5,
19 "total_tokens": 5
20 }
21}
توجه
در نظر داشته باشید که Gilas APIs از لحاظ فنی و نحوه کارکرد و قابلیت‌ها کاملا شبیه OpenAI APIs هستند. به همین منظور پیشنهاد میکنیم که برای آگاهی از نحوه‌ی کارکرد API ها به مستندات OpenAI API Reference و OpenAI Documentation ارجاع کنید.