{"id":16713,"date":"2024-12-20T20:22:41","date_gmt":"2024-12-21T04:22:41","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=16713"},"modified":"2025-06-13T16:36:25","modified_gmt":"2025-06-13T23:36:25","slug":"embedding-models","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/pt\/embedding-models\/","title":{"rendered":"O que s\u00e3o modelos de incorpora\u00e7\u00e3o? Uma vis\u00e3o geral"},"content":{"rendered":"

O que s\u00e3o modelos de incorpora\u00e7\u00e3o?<\/span><\/h2>\n

Os modelos de incorpora\u00e7\u00e3o s\u00e3o um tipo de modelo de aprendizado de m\u00e1quina projetado para representar dados (como texto, imagens ou outras formas de informa\u00e7\u00e3o) em um espa\u00e7o vetorial cont\u00ednuo e de baixa dimens\u00e3o. Esses <\/span>incorpora\u00e7\u00f5es<\/span><\/a> capturam semelhan\u00e7as sem\u00e2nticas ou contextuais entre partes de dados, permitindo que as m\u00e1quinas executem tarefas como compara\u00e7\u00e3o, agrupamento ou classifica\u00e7\u00e3o de forma mais eficaz.<\/span><\/p>\n

Imagine que voc\u00ea queira descrever diferentes frutas. Em vez de descri\u00e7\u00f5es longas, voc\u00ea usa n\u00fameros para caracter\u00edsticas como do\u00e7ura, tamanho e cor. Por exemplo, uma ma\u00e7\u00e3 pode ser [8, 5, 7], enquanto uma banana \u00e9 [9, 7, 4]. Esses n\u00fameros facilitam a compara\u00e7\u00e3o ou o agrupamento de frutas semelhantes.<\/span><\/p>\n

O que um modelo de incorpora\u00e7\u00e3o faz?<\/span><\/h2>\n

Um modelo de incorpora\u00e7\u00e3o converte texto, imagens e \u00e1udio em n\u00fameros significativos e os compara para encontrar padr\u00f5es ou conex\u00f5es. Esse processo \u00e9 semelhante ao modo como uma biblioteca organiza os livros por g\u00eanero ou t\u00f3pico, permitindo que os usu\u00e1rios encontrem mais rapidamente o que est\u00e3o procurando.<\/span><\/p>\n

Aqui est\u00e3o alguns exemplos de casos de uso di\u00e1rio para modelos de incorpora\u00e7\u00e3o:<\/span><\/p>\n

Pesquisa de texto<\/b><\/p>\n

Imagine digitar \"melhor comida grega\" em um mecanismo de busca. Um modelo de incorpora\u00e7\u00e3o converter\u00e1 sua consulta em n\u00fameros e recuperar\u00e1 documentos com incorpora\u00e7\u00e3o semelhante. O modelo mostrar\u00e1 resultados que se aproximam de sua consulta.<\/span><\/p>\n

Recomendar filmes<\/b><\/p>\n

Se voc\u00ea gostou de um filme, o sistema usa um modelo de incorpora\u00e7\u00e3o para represent\u00e1-lo (por exemplo, g\u00eanero, elenco, humor) como n\u00fameros. Ele compara esses n\u00fameros com outros filmes incorporados e recomenda outros semelhantes.<\/span><\/p>\n

Combine imagens e legendas<\/b><\/p>\n

Um modelo de incorpora\u00e7\u00e3o pode combinar uma imagem de um p\u00f4r do sol sobre o oceano com a legenda \"Um p\u00f4r do sol sereno sobre as ondas calmas do oceano\", convertendo a imagem e as poss\u00edveis legendas em representa\u00e7\u00f5es num\u00e9ricas (incorpora\u00e7\u00f5es). O modelo identifica a legenda com um embedding mais pr\u00f3ximo do embedding da imagem, garantindo uma correspond\u00eancia precisa. Essa t\u00e9cnica potencializa ferramentas como pesquisa de imagens e marca\u00e7\u00e3o de fotos.<\/span><\/p>\n

Agrupar itens semelhantes<\/b><\/p>\n

Um site de compras usa embeddings para agrupar produtos semelhantes. Por exemplo, \"t\u00eanis vermelho\" pode estar pr\u00f3ximo de \"t\u00eanis azul\" no espa\u00e7o de incorpora\u00e7\u00e3o, portanto, eles s\u00e3o mostrados como relacionados.<\/span><\/p>\n

Tipos de modelos de embeddings<\/span><\/h2>\n

H\u00e1 v\u00e1rios modelos de incorpora\u00e7\u00e3o, cada um projetado para diferentes tipos de dados e tarefas. Aqui est\u00e3o os principais tipos:<\/span><\/p>\n

Modelos de incorpora\u00e7\u00e3o de palavras<\/span><\/h3>\n

Esses modelos convertem palavras em vetores num\u00e9ricos que capturam significados sem\u00e2nticos e rela\u00e7\u00f5es entre palavras. Os exemplos incluem:<\/span><\/p>\n