مرحباً بعودتكم! يحاول كثيرون منا اليوم إيجاد وقت للمشي أو ممارسة الرياضة بانتظام، رغم تزايد انشغال حياتنا. قرر الكاتب أن يجعل الركض جزءاً من روتينه اليومي، وكما يفعل كثيرون، اختار شراء أحذية الجري عبر الإنترنت. وعند البحث عن "running shoes" في تطبيق للتسوق، ظهر لغز: كانت المنتجات موسومة أيضاً بعبارات walking shoes وsports shoes وsports sneakers، مع أن الاستعلام استخدم عبارة واحدة فقط. أثار ذلك سؤالاً حول كيفية معرفة التطبيق بأن هذه المصطلحات مترابطة، وقاد الكاتب إلى مفهوم تضمينات الكلمات.
تتجاوز أهمية التضمينات تطبيقات التسوق بكثير. فالنماذج اللغوية الكبيرة تستخدمها لمعالجة المطالبات، كما تعتمد عليها مساعدات الذكاء الاصطناعي التي تسترجع معلومات من الويب لتكوين إجاباتها، وهي طريقة تُعرف باسم التوليد المعزز بالاسترجاع (RAG). وتجمع أنظمة البحث الحديثة غالباً بين مطابقة الكلمات المفتاحية والتضمينات ونماذج الترتيب، لكن التضمينات محورية في تحديد العلاقات الدلالية واسترجاع المعلومات بحسب المعنى لا بحسب تطابق الألفاظ الدقيق.
التضمين تمثيل عددي لشيء ما، وفي تضمينات الكلمات تُمثَّل كل كلمة بمتجه من الأرقام. وهذا يختلف عن TF-IDF، وهو أسلوب إحصائي يرجّح المصطلحات بحسب عدد مرات ظهورها في المستند وشيوعها عبر مجموعة المستندات. أما تضمينات الكلمات فتتعلم متجهاً لكل كلمة بناءً على كيفية استخدامها مع كلمات أخرى، فتُستخلص العلاقات من البيانات نفسها.
السؤال التالي هو ماذا يعني التمثيل المتجهي المتعلَّم وكيف يحدث هذا التعلّم. وباستخدام نظام بحث تسوق إلكتروني مثالاً بسيطاً، تتضح الفكرة: فالكلمات المستخدمة في سياقات متشابهة تنتهي بمتجهات متشابهة، ما يتيح للنظام ربط "running shoes" بـ"sports shoes" حتى من دون تطابق تام.
الأسئلة الشائعة: كيف تعرف تضمينات الكلمات أن كلمتين مختلفتين مترابطتان؟
تتعلم تضمينات الكلمات متجهاً لكل كلمة من طريقة استخدامها مع كلمات أخرى في البيانات. فالكلمات التي تظهر في سياقات متشابهة تحصل على متجهات متشابهة، لذا يستطيع النظام اعتبار مصطلحات مثل "running shoes" و"sports shoes" مترابطة حتى عندما تختلف الكلمات بدقة.
المصدر: Towards Data Science · لخّصه HeadlinesBriefing