之前的教學，我們將語言變成可運算的數學表達式。接下來，就是要實際寫程式判斷兩個句子是否「語意相近」，最基本的方法，就是：餘弦相似度（Cosine Similarity）。 (more)

「Node.js & LLM 原理與實務」書上第 4 章提到 Text Embeddeding（向量化），其中 4.4 節「向量化文本資料」介紹如何使用 text-embedding-3-small 來取得語意向量的部份，延續前二篇文章的說明（詳見 Also read），本文再行補充 2 個實例，說明向量化與語意搜尋的概念。 (more) (more)

語意搜尋的關鍵在於「讓語言變成可運算的 Expression（運算式）」，例如：x = 10 就是一個運算式，y = 20 是一個運算式，result = x + y 也是一個運算式。 (more) (more)

這本書是為 LLM 初學者設計的入門教材，使用在筆者的 LLM/GPT 教育訓練講課程。本書詳細資訊，請見 Moko365 官網介紹： (more) (more)