Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Funksjonen ai.embed konverterer tekst til vektorinnleggelser som representerer mening. Bruk embeddings for å søke, gruppere og sammenligne innhold etter mening i stedet for eksakt formulering.
Note
- Denne artikkelen handler
ai.embedom pandaer. For PySpark, se Bruk ai.embed med PySpark. - For alle AI-funksjoner og forutsetninger, se oversikt over AI-funksjoner.
- Endre standardkonfigurasjonen for AI-funksjoner med pandaer.
Oversikt
Funksjonen ai.embedutvider pandas Series-klassen .
For å generere vektorinnleggelser av hver inngangsrad, kall funksjonen enten på en pandas-serie eller en tekstkolonne i pandas DataFrame.
Funksjonen returnerer en pandas-serie som inneholder embeddinger, som kan lagres i en ny DataFrame-kolonne.
Syntaks
df["embed"] = df["col1"].ai.embed()
Parametere
Ingen.
Returnerer
Funksjonen returnerer en pandas-serie som inneholder embeddinger som numpy-array av float-32-verdier for hver inputrad. Array-størrelsen avhenger av dimensjonene til innbyggingsmodellen, som kan konfigureres i AI-funksjoner.
Eksempel
# This code uses AI. Always review output for mistakes.
df = pd.DataFrame([
"This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
"Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
"Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
], columns=["descriptions"])
df["embed"] = df["descriptions"].ai.embed()
display(df)
Output:
Beslektet innhold
- Bruk ai.embed med PySpark.
- Lær mer om AI-funksjoner.
- Endre standardkonfigurasjonen for AI-funksjoner med pandaer.
- Forstå fakturering for AI-funksjoner.