了解Embeddings    

什么是Embeddings？（收费）

 Embeddings(嵌入)在自然语言处理（NLP）中起着至关重要的作用，他们的主要目的是将高维、离散的文本数据（如单词或短语）转换为低维、连续的向量表示。这些向量不仅编码了词本身的含义，还捕捉到了词语之间的语义和句法关系。通过Embeddings，原本难以直接处理的文本数据可以被机器学习模型理解和操作。

    它就是将 【不可计算】【非结构化】的词转化为【可计算】【结构化】的向量。
   
    把文本数据翻译成机器能识别的语言   

为什么需要将词或句子转成Embeddings？
    1、保留语义信息
    2、简化模型输入
    3、便于计算和优化
    4、下游任务泛化能力    

Embeddings在OpenAI中的使用
    1、创建嵌入向量：通过调用OpenAI的API,您可以创建一个代表输入文本的嵌入向量。
    2、请求方法及URL
    https://api.openai.com/v1/embeddings
    3、请求参数：
    input:必填
    model：必填 text-embedding-ada-002    

应用：
    1、搜索（通过与查询字符串的相关性对结果进行排序）
    2、聚类（根据相似性将文本字符串分组）
    3、推荐（推荐具有相关文本字符串的项目）
    3、异常检测（识别与其他项关联度较低的离群点）
    4、多样性测量（分析相似性分布）
    5、分类(根据最相似标签对文本字符串进行分类)    

embeddings 是什么和有什么用

怎么用：

使用示例：

响应：

响应参数说明：

常用模型：

模型使用代码

应用场景：