Embedding space-geometri
Studiet af de geometriske egenskaber ved det vektorrum, hvor neurale netværks embedding-vektorer ligger, herunder afstande, retninger og struktur.
Kort fortalt
Embedding space-geometri handler om, hvordan vektorer, der repræsenterer data (ord, billeder, etc.), er placeret i et flerdimensionelt rum, og hvordan man kan måle lighed og struktur mellem dem.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
1- 1
Den gren af maskinlæring, der beskæftiger sig med de geometriske aspekter af det latente rum, som embeddings genererer, herunder metrikker, topologi og transformationer.
- Embedding space-geometri viser, at ord som 'konge' og 'dronning' har en lineær relation svarende til forskellen mellem 'mand' og 'kvinde'.
- Ved at analysere embedding space-geometrien kan man opdage skævheder i sprogmodeller.
Hvornår bruges det
Embedding space-geometri bruges til at analysere og fortolke egenskaberne ved embeddings, fx i word2vec eller BERT. Man undersøger afstande (cosinuslighed), dimensionel struktur (f.eks. lineære relationer) og klyngedannelse. Det er vigtigt for at forstå, hvordan modellen repræsenterer viden.
Oprindelse
Termen er en sammensætning af 'embedding space' (indlejringsrum) og 'geometri' (læren om former og rum).