IA aplicada para desenvolvimento Java empresarial (Portuguese Edition)

Capítulo 9. Incorporações e armazenamentosde vetor

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

, neste ponto do livro, você já sabe como inferir modelos usando a biblioteca DJL e consumi-los com o LangChain4j. Além disso, o Capítulo 3 apresentou o RAG, um conceito fundamental no desenvolvimento de aplicativos de IA.

O RAG depende muito de cálculos de incorporação vetorial e matemática (ou seja, similaridade coseno, euclidiana ao quadrado, etc.) para pesquisa de similaridade. Neste capítulo, você aprenderá os seguintes aspectos-chave das incorporações vetoriais:

• Calculando embeddings usando o DJL

• Calculando embeddings usando o LangChain4j em processo

• Calculando embeddings com modelos remotos

• Usando armazenamentos de vetores para implementar recursos avançados de pesquisa ou cache

• Preparando e inserindo documentos para RAG

• Implementando um RAG simples

• Usando RAG avançado (QueryRouter, ReRanking, etc.)

Após este capítulo, você saberá como calcular vetores com várias abordagens e terá uma boa compreensão das incorporações, não apenas da perspectiva do RAG, mas também de outros casos de uso. Além disso, mostraremos alguns algoritmos para visualizar vetores com grandes dimensões ou agrupá-los para categorizá-los automaticamente.

Calculando incorporações de vetor

Como lembranç e, uma incorporação vetorial (ou incorporação) é uma matriz de números usada para descrever elementos como texto, áudio ...