{"id":15353,"date":"2024-02-20T10:35:25","date_gmt":"2024-02-20T18:35:25","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=15353"},"modified":"2025-06-13T22:42:02","modified_gmt":"2025-06-14T05:42:02","slug":"what-are-vector-embeddings","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/es\/what-are-vector-embeddings\/","title":{"rendered":"\u00bfQu\u00e9 son las incrustaciones vectoriales?"},"content":{"rendered":"

Las incrustaciones vectoriales son un componente fundamental del aprendizaje autom\u00e1tico que convierte informaci\u00f3n \"de alta dimensi\u00f3n\", como texto o im\u00e1genes, en un espacio vectorial estructurado. Este proceso permite procesar e identificar datos relacionados de forma m\u00e1s eficaz al representarlos como vectores num\u00e9ricos. En este post, aprender\u00e1s a crear incrustaciones vectoriales, sus tipos y su implementaci\u00f3n en varios casos de uso.<\/span><\/p>\n

Explicaci\u00f3n de la incrustaci\u00f3n vectorial<\/h2>\n

Las incrustaciones vectoriales son como traducir informaci\u00f3n que entendemos a algo que entiende un ordenador. Imagina que intentas explicar a un ordenador el concepto de \"San Valent\u00edn\". Como los ordenadores no entienden conceptos como vacaciones, romanticismo y contexto cultural como nosotros, tenemos que traducirlos a algo que S\u00cd entiendan: n\u00fameros. Eso es lo que hacen las incrustaciones vectoriales. Representan palabras, im\u00e1genes o cualquier tipo de datos en una lista de n\u00fameros que representan de qu\u00e9 tratan esas palabras o im\u00e1genes.<\/span><\/p>\n

Por ejemplo, en el caso de las palabras, si \"gato\" y \"gatito\" son similares, cuando se procesan a trav\u00e9s de un modelo ling\u00fc\u00edstico (grande), sus listas de n\u00fameros (es decir, vectores) estar\u00e1n bastante cerca. Pero no se trata s\u00f3lo de palabras. Se puede hacer lo mismo con fotos u otros tipos de medios. As\u00ed, si tienes un mont\u00f3n de fotos de mascotas, las incrustaciones vectoriales ayudan a un ordenador a ver cu\u00e1les son similares, aunque no \"sepa\" qu\u00e9 es un gato.<\/span><\/p>\n

Digamos que estamos convirtiendo las palabras \"D\u00eda de San Valent\u00edn\" en un vector. La cadena \"D\u00eda de San Valent\u00edn\" se dar\u00eda a alg\u00fan modelo, t\u00edpicamente un <\/span>LLM (gran modelo ling\u00fc\u00edstico)<\/span><\/a>que producir\u00eda una matriz de n\u00fameros que se almacenar\u00eda junto a las palabras.<\/span><\/p>\n

{\r\n  \"palabra\": \"D\u00eda de San Valent\u00edn\",\r\n  \"vector\": [0.12, 0.75, -0.33, 0.85, 0.21, ...etc...]\r\n}<\/pre>\n
Los vectores son muy largos y complejos. Por ejemplo, <\/span>Tama\u00f1o del vector de OpenAI<\/span><\/a> suele ser 1536, lo que significa que cada incrustaci\u00f3n es una matriz de 1536 n\u00fameros de coma flotante.<\/span><\/p>\n
 <\/p>\n
\"Produce<\/a><\/p>\n
 <\/p>\n
Por s\u00ed solos, estos datos no significan gran cosa: se trata de encontrar otras incrustaciones que sean <\/span>cerrar<\/span><\/i>.<\/span><\/p>\n
 <\/p>\n
\"Produce<\/a><\/span><\/p>\n
En este diagrama, un algoritmo de vecino m\u00e1s pr\u00f3ximo puede encontrar datos con vectores <\/span>cerrar<\/span><\/i> a la consulta vectorizada. Estos resultados se devuelven en una lista (ordenados por su proximidad).<\/span><\/p>\n
Tipos de incrustaci\u00f3n vectorial<\/h2>\n
Existen varios tipos de incrustaciones, cada una con su propia forma de entender y representar los datos. Aqu\u00ed tienes un resumen de los principales tipos que puedes encontrar:<\/span><\/p>\n
Incrustaci\u00f3n de palabras<\/b>: Las incrustaciones de palabras traducen palabras individuales en vectores, capturando la esencia de su significado. Para crear estas incrustaciones se utilizan modelos populares como Word2Vec, GloVe y FastText. Pueden ayudar a mostrar la relaci\u00f3n entre palabras, como entender que \"rey\" y \"reina\" est\u00e1n relacionados del mismo modo que \"hombre\" y \"mujer\".<\/span><\/p>\n
He aqu\u00ed un ejemplo de Word2Vec en acci\u00f3n:<\/span><\/p>\n
from gensim.models import Word2Vec\r\n\r\nfrases = [\r\n    \"Couchbase es una base de datos distribuida NoSQL\",\r\n    \"Couchbase Capella proporciona flexibilidad y escalabilidad\",\r\n    \"Couchbase soporta SQL++ para consultar documentos JSON.\",\r\n    \"Couchbase Mobile extiende la base de datos al borde\",\r\n    \"Couchbase tiene incorporado un motor de b\u00fasqueda de texto completo\".\r\n]\r\n\r\n# Preprocesar las frases: tokenizar y min\u00fasculas\r\nsentencias_procesadas = [sentencia.lower().split() for sentencia in sentencias]\r\n\r\n# Entrenar el modelo Word2Vec\r\nmodel = Word2Vec(sentences=sentencias_procesadas, vector_size=100, window=5, min_count=1, workers=4)\r\n\r\n# Obtener el vector de una palabra\r\nvector_palabra = model.wv['couchbase']\r\n\r\n# Imprime el vector\r\nprint(vector_palabra)\r\n\r\nEste c\u00f3digo Python mostrar\u00eda algo como:\r\n\r\n[-0.00053675, 0.000236998, 0.00510486, 0.00900848, ..., 0.000901757, 0.00639282]<\/pre>\n
Incrustaci\u00f3n de frases y documentos<\/b>: M\u00e1s all\u00e1 de las palabras sueltas, las incrustaciones de frases y documentos representan fragmentos de texto m\u00e1s grandes. Estas incrustaciones pueden captar el contexto de toda una frase o documento, no s\u00f3lo de palabras sueltas. Modelos como BERT y Doc2Vec son buenos ejemplos. Se utilizan en tareas que requieren comprender el mensaje general, el sentimiento o el tema de los textos.<\/span><\/p>\n
Incrustaci\u00f3n de im\u00e1genes<\/b>: Convierten las im\u00e1genes en vectores, capturando caracter\u00edsticas visuales como formas, colores y texturas. Las incrustaciones de im\u00e1genes se crean utilizando modelos de aprendizaje profundo (como <\/span>CNN: Redes neuronales convolucionales<\/span><\/a>). Permiten realizar tareas como el reconocimiento de im\u00e1genes, la clasificaci\u00f3n y la b\u00fasqueda de similitudes. Por ejemplo, una imagen incrustada puede ayudar a un ordenador a reconocer si una foto determinada es un perrito caliente o no.<\/span><\/p>\n
Incrustaci\u00f3n de grafos<\/b>: Los grafos se utilizan para representar relaciones y estructuras, como redes sociales, organigramas o rutas biol\u00f3gicas. Convierten los nodos y aristas de un grafo en vectores, capturando c\u00f3mo se conectan los elementos. Esto es \u00fatil para las recomendaciones, la agrupaci\u00f3n y la detecci\u00f3n de comunidades (clusters) dentro de las redes.<\/span><\/p>\n
Incrustaci\u00f3n de audio<\/b>: Al igual que las incrustaciones de im\u00e1genes, las incrustaciones de audio traducen el sonido en vectores, capturando caracter\u00edsticas como el tono, el timbre y el ritmo. Se utilizan en tareas de reconocimiento de voz, an\u00e1lisis musical y clasificaci\u00f3n de sonidos.<\/span><\/p>\n
Incrustaci\u00f3n de v\u00eddeos<\/b>: Las incrustaciones de v\u00eddeo capturan la din\u00e1mica visual y temporal de los v\u00eddeos. Se utilizan para actividades como la b\u00fasqueda de v\u00eddeos, la clasificaci\u00f3n y la comprensi\u00f3n de escenas o actividades dentro de las secuencias.<\/span><\/p>\n
C\u00f3mo crear incrustaciones vectoriales<\/h2>\n
En t\u00e9rminos generales, hay cuatro pasos:<\/span><\/p>\n
    \n
  1. \n
      \n
    1. Elija su modelo de incrustaci\u00f3n vectorial<\/b>: Decida el tipo de modelo en funci\u00f3n de sus necesidades. Word2Vec, GloVe y FastText son populares para la incrustaci\u00f3n de palabras, mientras que BERT y GPT-4 se utilizan para la incrustaci\u00f3n de frases y documentos, etc.<\/span><\/li>\n
    2. Prepare sus datos<\/b>: Limpie y preprocese sus datos. Para el texto, esto puede incluir la tokenizaci\u00f3n, la eliminaci\u00f3n de \"stopwords\" y, posiblemente, la lematizaci\u00f3n (reducci\u00f3n de palabras a su forma b\u00e1sica). En el caso de las im\u00e1genes, se puede cambiar el tama\u00f1o, normalizar los valores de los p\u00edxeles, etc.<\/span><\/li>\n
    3. Entrenar o utilizar modelos preentrenados<\/b>: Puede entrenar su modelo en su conjunto de datos o utilizar un modelo preentrenado. El entrenamiento desde cero requiere una cantidad significativa de datos, tiempo y recursos inform\u00e1ticos. Los modelos preentrenados son una forma r\u00e1pida de empezar y pueden ajustarse (o aumentarse) con su conjunto de datos espec\u00edfico.<\/span><\/li>\n
    4. Generar incrustaciones<\/b>: Una vez que su modelo est\u00e9 listo, alimente sus datos a trav\u00e9s de \u00e9l (v\u00eda SDK, REST, etc.) para generar incrustaciones. Cada elemento se transformar\u00e1 en un vector que representa su significado sem\u00e1ntico. Normalmente, las incrustaciones se almacenan en una base de datos, a veces junto a los datos originales.<\/span><\/li>\n<\/ol>\n<\/li>\n<\/ol>\n
      Aplicaciones de las incrustaciones vectoriales<\/h2>\n
      Entonces, \u00bfcu\u00e1l es el problema con el vector? \u00bfQu\u00e9 problemas puedo resolver con \u00e9l? A continuaci\u00f3n se exponen varios casos de uso que son posibles gracias al uso de incrustaciones vectoriales para encontrar elementos sem\u00e1nticamente similares (es decir, \"b\u00fasqueda vectorial\"):<\/span><\/p>\n
      Procesamiento del lenguaje natural (PLN)<\/h3>\n