embedding
概念词 📚 基础词库 · 存量热词嵌入
🔍 Google 联想 10 📅 首次出现 2026-08-28
🧠 embedding 是什么
Embedding(嵌入)指将文本、图片、音频等离散数据映射为高维向量(一串数字)的技术,使语义相近的内容在向量空间中的距离更近。词嵌入的代表作是 2013 年 Google 提出的 Word2Vec。
在大模型时代,基于 Transformer 的嵌入模型(如 OpenAI text-embedding 系列、智源 BGE、M3E 等)把整句、整篇文档编码为语义向量,用于语义搜索、相似度计算、文本聚类和推荐。
嵌入是向量数据库与 RAG 系统的基石:文档先被切块并向量化存入向量库,查询时同样向量化后进行相似度检索。中文开源嵌入模型(如 BGE 系列)在多项国际榜单长期领先。
🔥 为什么现在火
RAG 应用爆发带动嵌入模型需求激增,嵌入质量直接决定检索效果,是 AI 搜索、知识库问答等产品的地基技术。
📄 证据链(交叉验证)
- ▸维基百科 Word embedding 词条
- ▸arxiv Word2Vec 原始论文《Efficient Estimation of Word Representations in Vector Space》(Mikolov et al., 2013)
🔍 搜索形态
what is embedding in AI embedding model embeddings in AI embedding meaning
embedding 常见问题 FAQ
embedding 有什么用?+
用于语义搜索(按意思而非关键词匹配)、文本聚类去重、推荐系统,以及 RAG 中的文档检索与排序。
embedding 和 one-hot 编码有什么区别?+
one-hot 是稀疏编码、不含语义信息;embedding 是稠密向量,能表达词与词、句与句之间的语义相似关系。
与 embedding 相关的搜索
人们搜索 embedding 时,还会关心这些问题:
- embedding 是什么
- 什么是 embedding
- embedding 是什么意思
- embedding 原理
- embedding 有什么用
- embedding 应用场景
- embedding 为什么火
- embedding 2026