Introducao a Embeddings

Embeddings sao representacoes vetoriais densas de dados (palavras, frases, imagens) em um espaco de menor dimensao. Eles capturam relacoes semanticas, onde itens similares ficam proximos no espaco vetorial.

O que sao Embeddings?#

Imagine transformar texto em numeros de forma que textos com significados parecidos tenham numeros parecidos. Isso e um embedding.

"cachorro" -> [0.2, -0.5, 0.8, 0.1, ...]  (1536 dimensoes)
"cao"      -> [0.21, -0.48, 0.79, 0.12, ...]  (muito proximo!)
"gato"     -> [0.3, -0.4, 0.7, 0.2, ...]  (proximo, mas nao igual)
"carro"    -> [-0.5, 0.8, -0.2, 0.6, ...]  (distante)

Por que Embeddings sao importantes?#

1. Busca Semantica - Encontrar documentos por significado, nao apenas palavras-chave
2. Similaridade - Calcular quao parecidos dois textos sao
3. RAG - Base para Retrieval-Augmented Generation
4. Classificacao - Agrupar textos por tema automaticamente
5. Recomendacao - Sugerir itens similares

Como funcionam?#

Modelos de embedding sao treinados para:

1. Receber texto (ou imagem, audio)
2. Processar atraves de uma rede neural
3. Produzir um vetor de dimensao fixa

O treinamento ensina o modelo que:

• Textos semanticamente similares devem ter vetores proximos
• Textos diferentes devem ter vetores distantes

Principais Modelos de Embedding#

Medindo Similaridade#

A similaridade entre embeddings e calculada por:

Similaridade de Cosseno - Angulo entre vetores (mais comum)

from numpy import dot
from numpy.linalg import norm

def cosine_similarity(a, b):
    return dot(a, b) / (norm(a) * norm(b))

Valores:

• 1.0 = Identicos
• 0.0 = Sem relacao
• -1.0 = Opostos

Exemplo Pratico#

from openai import OpenAI

client = OpenAI()

# Gerar embeddings
response = client.embeddings.create(
    model="text-embedding-3-small",
    input=["Eu amo programar", "Adoro escrever codigo"]
)

emb1 = response.data[0].embedding
emb2 = response.data[1].embedding

# Calcular similaridade
similarity = cosine_similarity(emb1, emb2)
print(f"Similaridade: {similarity:.3f}")  # ~0.85

Recursos#

• What are Embeddings in Machine Learning? - Cloudflare
• What is Embedding? - IBM
• What are Word Embeddings - Video

Checklist#

Conexoes#

Proximo passo: Aprenda onde armazenar embeddings em vector-databases-intro