{"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\/pt\/what-are-vector-embeddings\/","title":{"rendered":"O que s\u00e3o Vector Embeddings?"},"content":{"rendered":"

As incorpora\u00e7\u00f5es vetoriais s\u00e3o um componente essencial do aprendizado de m\u00e1quina que converte informa\u00e7\u00f5es de \"alta dimens\u00e3o\", como texto ou imagens, em um espa\u00e7o vetorial estruturado. Esse processo permite a capacidade de processar e identificar dados relacionados de forma mais eficaz, representando-os como vetores num\u00e9ricos. Nesta postagem, voc\u00ea aprender\u00e1 a criar embeddings vetoriais, seus tipos e sua implanta\u00e7\u00e3o em v\u00e1rios casos de uso.<\/span><\/p>\n

Explica\u00e7\u00e3o sobre embeddings vetoriais<\/h2>\n

As incorpora\u00e7\u00f5es vetoriais s\u00e3o como a tradu\u00e7\u00e3o de informa\u00e7\u00f5es que entendemos em algo que um computador entende. Imagine que voc\u00ea est\u00e1 tentando explicar o conceito de \"Dia dos Namorados\" a um computador. Como os computadores n\u00e3o entendem conceitos como feriados, romance e contexto cultural da mesma forma que n\u00f3s, temos que traduzi-los em algo que eles entendem: n\u00fameros. \u00c9 isso que os embeddings vetoriais fazem. Eles representam palavras, imagens ou qualquer tipo de dados em uma lista de n\u00fameros que representam o que essas palavras ou imagens representam.<\/span><\/p>\n

Por exemplo, com palavras, se \"cat\" (gato) e \"kitten\" (gatinho) forem semelhantes, quando processadas por meio de um modelo de linguagem (grande), suas listas de n\u00fameros (ou seja, vetores) ficar\u00e3o bem pr\u00f3ximas. No entanto, n\u00e3o se trata apenas de palavras. \u00c9 poss\u00edvel fazer a mesma coisa com fotos ou outros tipos de m\u00eddia. Portanto, se voc\u00ea tiver v\u00e1rias fotos de animais de estima\u00e7\u00e3o, as incorpora\u00e7\u00f5es de vetores ajudar\u00e3o o computador a ver quais s\u00e3o semelhantes, mesmo que ele n\u00e3o \"saiba\" o que \u00e9 um gato.<\/span><\/p>\n

Digamos que estamos transformando as palavras \"Valentine's Day\" (Dia dos Namorados) em um vetor. A string \"Valentine's Day\" seria fornecida a algum modelo, normalmente um <\/span>LLM (modelo de linguagem grande)<\/span><\/a>que produziria uma matriz de n\u00fameros a ser armazenada junto com as palavras.<\/span><\/p>\n

{\r\n  \"word\": \"Valentine's Day\" (Dia dos Namorados),\r\n  \"vector\": [0.12, 0.75, -0.33, 0.85, 0.21, ...etc...]\r\n}<\/pre>\n
Os vetores s\u00e3o muito longos e complexos. Por exemplo, <\/span>Tamanho do vetor da OpenAI<\/span><\/a> \u00e9 normalmente 1536, o que significa que cada incorpora\u00e7\u00e3o \u00e9 uma matriz de 1536 n\u00fameros de ponto flutuante.<\/span><\/p>\n
 <\/p>\n
\"Produce<\/a><\/p>\n
 <\/p>\n
Por si s\u00f3, esses dados n\u00e3o significam muito: trata-se de encontrar outras incorpora\u00e7\u00f5es que sejam <\/span>pr\u00f3ximo<\/span><\/i>.<\/span><\/p>\n
 <\/p>\n
\"Produce<\/a><\/span><\/p>\n
Nesse diagrama, um algoritmo de vizinho mais pr\u00f3ximo pode encontrar dados com vetores <\/span>pr\u00f3ximo<\/span><\/i> para a consulta vetorizada. Esses resultados s\u00e3o retornados em uma lista (ordenados por sua proximidade).<\/span><\/p>\n
Tipos de embeddings de vetores<\/h2>\n
H\u00e1 v\u00e1rios tipos de embeddings, cada um com sua maneira exclusiva de entender e representar dados. Aqui est\u00e1 um resumo dos principais tipos que voc\u00ea pode encontrar:<\/span><\/p>\n
Embeddings de palavras<\/b>: Os embeddings de palavras traduzem palavras individuais em vetores, capturando a ess\u00eancia de seu significado. Modelos populares como Word2Vec, GloVe e FastText s\u00e3o usados para criar esses embeddings. Eles podem ajudar a mostrar a rela\u00e7\u00e3o entre as palavras, como entender que \"rei\" e \"rainha\" est\u00e3o relacionados da mesma forma que \"homem\" e \"mulher\".<\/span><\/p>\n
Aqui est\u00e1 um exemplo do Word2Vec em a\u00e7\u00e3o:<\/span><\/p>\n
from gensim.models import Word2Vec\r\n\r\nsenten\u00e7as = [\r\n    \"O Couchbase \u00e9 um banco de dados NoSQL distribu\u00eddo.\",\r\n    \"O Couchbase Capella oferece flexibilidade e escalabilidade.\",\r\n    \"O Couchbase oferece suporte a SQL++ para consulta de documentos JSON.\",\r\n    \"O Couchbase Mobile estende o banco de dados para a borda.\",\r\n    \"O Couchbase tem um mecanismo integrado de pesquisa de texto completo\"\r\n]\r\n\r\n# Pr\u00e9-processe as senten\u00e7as: tokenize e diminua as letras min\u00fasculas\r\nprocessed_sentences = [sentence.lower().split() for sentence in sentences]\r\n\r\n# Treinar o modelo Word2Vec\r\nmodel = Word2Vec(sentences=processed_sentences, vector_size=100, window=5, min_count=1, workers=4)\r\n\r\n# Obter o vetor de uma palavra\r\nword_vector = model.wv['couchbase']\r\n\r\n# Imprimir o vetor\r\nprint(word_vector)\r\n\r\nEsse c\u00f3digo Python produziria algo como:\r\n\r\n[-0.00053675, 0.000236998, 0.00510486, 0.00900848, ..., 0.000901757, 0.00639282]<\/pre>\n
Embeddings de frases e documentos<\/b>: Al\u00e9m de palavras isoladas, os embeddings de frases e documentos representam partes maiores do texto. Essas incorpora\u00e7\u00f5es podem capturar o contexto de uma frase ou documento inteiro, e n\u00e3o apenas palavras individuais. Modelos como BERT e Doc2Vec s\u00e3o bons exemplos. Eles s\u00e3o usados em tarefas que exigem a compreens\u00e3o da mensagem geral, do sentimento ou do t\u00f3pico dos textos.<\/span><\/p>\n
Embeddings de imagens<\/b>: Convertem imagens em vetores, capturando recursos visuais como formas, cores e texturas. Os embeddings de imagem s\u00e3o criados usando modelos de aprendizagem profunda (como <\/span>CNNs: Redes neurais convolucionais<\/span><\/a>). Eles permitem tarefas como reconhecimento de imagens, classifica\u00e7\u00e3o e pesquisas de similaridade. Por exemplo, uma incorpora\u00e7\u00e3o de imagem pode ajudar um computador a reconhecer se uma determinada imagem \u00e9 um cachorro-quente ou n\u00e3o.<\/span><\/p>\n
Embeddings de gr\u00e1ficos<\/b>: Os Graph Embeddings s\u00e3o usados para representar relacionamentos e estruturas, como redes sociais, organogramas ou caminhos biol\u00f3gicos. Eles transformam os n\u00f3s e as bordas de um gr\u00e1fico em vetores, capturando como os itens est\u00e3o conectados. Isso \u00e9 \u00fatil para recomenda\u00e7\u00f5es, agrupamento e detec\u00e7\u00e3o de comunidades (agrupamentos) em redes.<\/span><\/p>\n
Embeddings de \u00e1udio<\/b>: Semelhante \u00e0 incorpora\u00e7\u00e3o de imagens, a incorpora\u00e7\u00e3o de \u00e1udio traduz o som em vetores, capturando recursos como tom, timbre e ritmo. Eles s\u00e3o usados em tarefas de reconhecimento de voz, an\u00e1lise de m\u00fasica e classifica\u00e7\u00e3o de som.<\/span><\/p>\n
Incorpora\u00e7\u00e3o de v\u00eddeos<\/b>: Os embeddings de v\u00eddeo capturam a din\u00e2mica visual e temporal dos v\u00eddeos. Eles s\u00e3o usados para atividades como pesquisa de v\u00eddeo, classifica\u00e7\u00e3o e compreens\u00e3o de cenas ou atividades dentro da filmagem.<\/span><\/p>\n
Como criar embeddings vetoriais<\/h2>\n
De modo geral, h\u00e1 quatro etapas:<\/span><\/p>\n
    \n
  1. \n
      \n
    1. Escolha seu modelo de incorpora\u00e7\u00e3o de vetor<\/b>: Decida o tipo de modelo com base em suas necessidades. Word2Vec, GloVe e FastText s\u00e3o populares para embeddings de palavras, enquanto BERT e GPT-4 s\u00e3o usados para embeddings de frases e documentos, etc.<\/span><\/li>\n
    2. Prepare seus dados<\/b>: Limpe e pr\u00e9-processe seus dados. No caso de texto, isso pode incluir a tokeniza\u00e7\u00e3o, a remo\u00e7\u00e3o de \"stopwords\" e, possivelmente, a lematiza\u00e7\u00e3o (redu\u00e7\u00e3o das palavras \u00e0 sua forma b\u00e1sica). No caso de imagens, isso pode incluir redimensionamento, normaliza\u00e7\u00e3o de valores de pixel etc.<\/span><\/li>\n
    3. Treinar ou usar modelos pr\u00e9-treinados<\/b>: Voc\u00ea pode treinar seu modelo em seu conjunto de dados ou usar um modelo pr\u00e9-treinado. O treinamento do zero requer uma quantidade significativa de dados, tempo e recursos computacionais. Os modelos pr\u00e9-treinados s\u00e3o uma maneira r\u00e1pida de come\u00e7ar e podem ser ajustados (ou aumentados) com seu conjunto de dados espec\u00edfico.<\/span><\/li>\n
    4. Gerar Embeddings<\/b>: Quando seu modelo estiver pronto, alimente seus dados por meio dele (via SDK, REST, etc.) para gerar embeddings. Cada item ser\u00e1 transformado em um vetor que representa seu significado sem\u00e2ntico. Normalmente, os embeddings s\u00e3o armazenados em um banco de dados, \u00e0s vezes junto com os dados originais.<\/span><\/li>\n<\/ol>\n<\/li>\n<\/ol>\n
      Aplica\u00e7\u00f5es de embeddings vetoriais<\/h2>\n
      Ent\u00e3o, qual \u00e9 o grande problema do vetor? Que problemas posso atacar com ele? Aqui est\u00e3o v\u00e1rios casos de uso que s\u00e3o possibilitados pelo uso de embeddings vetoriais para encontrar itens semanticamente semelhantes (ou seja, \"pesquisa vetorial\"):<\/span><\/p>\n
      Processamento de linguagem natural (NLP)<\/h3>\n