Урок из полного доступа, первые уроки курса бесплатно Официальный курс Mistral AI Cookbook на русском
Урок 50 · Текст · ~5 мин

Mistral Embeddings API и меры расстояния

Урок 50 из 154 курса «Mistral AI Cookbook»: официальный курс Mistral AI Cookbook (Мистраль) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Векторные представления (embeddings) — это векторные представления текста, которые улавливают семантическое значение абзацев через их положение в многомерном векторном пространстве. API Mistral Embeddings предлагает передовые, современные векторные представления для текста, которые могут быть использованы для многих задач NLP. В этом руководстве мы рассмотрим основы API Mistral Embeddings, включая измерение расстояния между текстовыми векторными представлениями, и изучим его основные варианты использования: кластеризацию и классификацию.

Мы рассмотрим следующее: - API Mistral Embeddings: Основы вызова и использования нашего сервиса векторных представлений. - Основы: Начните с получения векторных представлений с помощью нашего SDK. - Меры расстояния: Как вычислить расстояние между векторными представлениями. - Обнаружение перефразирования: Использование сходства на основе расстояния для обнаружения перефразирований. - API Mistral Embeddings с пакетной обработкой: Использование базовой функциональности пакетной обработки, доступной из коробки. - Визуализация векторных представлений t-SNE: Визуализация и понимание того, как векторные представления представляют текст. - Классификация: Узнайте, как использовать векторные представления для задач классификации. - Модели ML-классификации: Используя векторные представления в качестве входных данных, эффективно создавайте ML-модели для классификации. - Кластеризация: Изучите кластеризацию и как ее можно использовать для классификации. - Сравнение решений: Сравните, как, используя векторные представления, вы можете легко создавать системы классификации, более мощные и экономичные, чем современные универсальные модели.

Для генерации текстовых векторных представлений с использованием API векторных представлений Mistral мы можем отправить запрос к конечной точке API и указать модель векторных представлений mistral-embed, а также предоставить список входного текста. Затем API вернет соответствующие векторные представления в виде числовых векторов, которые могут быть использованы для дальнейшего анализа или обработки в приложениях NLP.

Выходные данные — это объект EmbeddingResponse с векторными представлениями и информацией об использовании токенов.

Давайте посмотрим на длину первого векторного представления:

Он возвращает 1024, что означает, что размерность нашего векторного представления составляет 1024. Модель mistral-embed генерирует векторы векторных представлений размерности 1024 для каждой текстовой строки, независимо от длины текста.

В области текстовых векторных представлений тексты со схожим значением или контекстом, как правило, располагаются…

План урока

  1. Руководство
  2. API Mistral Embeddings
  3. Основы
  4. Меры расстояния
  5. Обнаружение перефразирования
  6. Пакетная обработка
  7. Визуализация векторных представлений t-SNE
  8. Сравнение с fastText

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Mistral AI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Mistral AI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды