AI901-Concept#56
次の各説明文に最も適した用語をドロップダウンから選択してください。同じ選択肢を 2 回以上使用できます。
| ステートメント | 選択 |
|---|---|
テキストや画像を高次元の数値ベクトルに変換した、意味を保持する表現。 embedding の定義そのもので、Azure OpenAI の text-embedding-3 系列モデルが代表的に生成します。 | |
ベクトル間の方向の近さを -1〜1 のスケールで測る尺度で、semantic 類似度の計算で標準的に用いられる。 cosine 類似度はベクトルの角度に基づく類似性指標で、embedding 検索のデファクトです。 | |
大量のベクトルを保存し近傍探索を効率的に実行する基盤で、Azure AI Search / Cosmos DB / pgvector が該当する。 vector store は RAG の検索層を構成するインフラで、ANN インデックスを内部で持つのが特徴です。 |
解説
【正解マッチング】
| 判定対象 | 正解 |
|---|---|
| テキストや画像を高次元の数値ベクトルに変換した、意味を保持する表現。 | Embedding |
| ベクトル間の方向の近さを -1〜1 のスケールで測る尺度で、semantic 類似度の計算で標準的に用いられる。 | Cosine similarity |
| 大量のベクトルを保存し近傍探索を効率的に実行する基盤で、Azure AI Search / Cosmos DB / pgvector が… | Vector store |
【各判定の詳細】
- 「テキストや画像を高次元の数値ベクトルに変換した、意味を保持する表現。」→ Embedding: embedding の定義そのもので、Azure OpenAI の text-embedding-3 系列モデルが代表的に生成します。
- 「ベクトル間の方向の近さを -1〜1 のスケールで測る尺度で、semantic 類似度の計算で標準…」→ Cosine similarity: cosine 類似度はベクトルの角度に基づく類似性指標で、embedding 検索のデファクトです。
- 「大量のベクトルを保存し近傍探索を効率的に実行する基盤で、Azure AI Search / Co…」→ Vector store: vector store は RAG の検索層を構成するインフラで、ANN インデックスを内部で持つのが特徴です。
コメント