Wat is een Embedding? - Uitleg & Betekenis

Definitie

Een embedding is een numerieke representatie (vector) van tekst, afbeeldingen of andere data in een hoog-dimensionale ruimte. Embeddings vangen de semantische betekenis van content, waardoor conceptueel vergelijkbare items dicht bij elkaar liggen in de vectorruimte, zelfs als ze andere woorden gebruiken.

Technische uitleg

Embeddings worden gegenereerd door neurale netwerken die geleerd hebben om semantische relaties tussen woorden, zinnen of documenten te coderen in dichte vectoren van typisch 256 tot 3072 dimensies. Populaire embedding-modellen zijn OpenAI text-embedding-3-small/large, Cohere Embed, en open-source modellen als E5, BGE en GTE. Het proces werkt als volgt: tekst wordt door het model gestuurd en de output van een specifieke laag wordt genomen als de embedding-vector. Vergelijking tussen embeddings gebeurt via cosine similarity (hoek tussen vectoren), dot product of Euclidische afstand. Embeddings worden opgeslagen en doorzocht in vectordatabases (pgvector, Pinecone, Weaviate, Chroma, Qdrant) die geoptimaliseerd zijn voor approximate nearest neighbor (ANN) zoekalgoritmen als HNSW en IVF. Toepassingen omvatten semantisch zoeken, RAG-systemen, aanbevelingsengines, duplicate detection, clustering en anomaliedetectie.

Hoe OpenClaw Installeren dit toepast

OpenClaw Installeren gebruikt embeddings als kern van het RAG-systeem in je AI-assistent. Wanneer je documenten uploadt naar je kennisbank, worden ze automatisch opgesplitst in chunks en omgezet naar embeddings die worden opgeslagen in een vectordatabase op je VPS. Bij elke gebruikersvraag wordt een embedding gegenereerd en vergeleken met de kennisbank om de meest relevante informatie op te halen.

Praktische voorbeelden

• Een RAG-systeem dat de vraag "Hoe kan ik mijn abonnement opzeggen?" omzet naar een embedding-vector en de meest relevante passages uit de FAQ-database ophaalt, zelfs als die het woord "opzeggen" niet letterlijk bevatten.
• Een productaanbevelingsengine die embeddings van productbeschrijvingen vergelijkt om "vergelijkbare producten" te tonen, gebaseerd op semantische overeenkomst in plaats van simpele keyword-matching.
• Een duplicate-detectiesysteem dat embeddings van klantenservice-tickets vergelijkt om automatisch vergelijkbare openstaande tickets te groeperen en duplicaten samen te voegen.

Gerelateerde begrippen