Wat is een embeddingmodel?
Wat is het?
Een embeddingmodel zet een tekst om in een reeks getallen (een vector). Teksten met een vergelijkbare betekenis geven vectoren die dicht bij elkaar liggen: dat is de basis van semantisch zoeken en RAG.
Wanneer te gebruiken
- Het model van een RAG kiezen op taal, documentgrootte en score.
- De juiste instellingen vinden: prefixen, afstand, grootte van de stukken.
De velden van de pagina
| Model | Hugging Face-identificatie of naam in de API. |
|---|---|
| Dimensies | Grootte van de vector. |
| Max. tokens | Maximale lengte van een tekst. |
| Afstand | Cosinus, inwendig product of Euclidisch. |
| Prefixen | Tekst om vóór zoekvragen en passages te zetten, als het model dat nodig heeft. |
| Benchmarks | Gepubliceerde scores, bijv. MTEB. |
Hoe gebruik je het
Het Python-voorbeeld laadt het model met sentence-transformers en past de juiste prefixen toe.