Model Penyematan Teks Amazon Titan

Model Amazon Titan Embeddings termasuk Amazon Titan Text Embeddings V2 dan model Titan Text Embeddings G1.

Penyematan teks mewakili representasi vektor yang bermakna dari teks tidak terstruktur seperti dokumen, paragraf, dan kalimat. Anda memasukkan badan teks dan outputnya adalah vektor (1 x n). Anda dapat menggunakan vektor penyematan untuk berbagai aplikasi.

Model Amazon Titan Text Embedding v2 (amazon.titan-embed-text-v2:0) dapat menerima hingga 8.192 token atau 50.000 karakter dan menghasilkan vektor 1.024 dimensi. Model ini dioptimalkan untuk tugas pengambilan teks, tetapi juga dapat digunakan untuk tugas tambahan, seperti kesamaan semantik dan pengelompokan.

Model Amazon Titan Embeddings menghasilkan representasi semantik yang bermakna dari dokumen, paragraf, dan kalimat. Amazon Titan Text Embeddings mengambil sebagai input badan teks dan menghasilkan vektor (1 x n). Amazon Titan Text Embeddings ditawarkan melalui pemanggilan titik akhir yang dioptimalkan latensi untuk menghasilkan vektor pada latensi rendah (disarankan selama langkah pengambilan) serta pekerjaan batch yang dioptimalkan throughput untuk pengindeksan yang lebih cepat. Perhitungan dan pengambilan kesamaan yang sebenarnya dilakukan oleh database vektor Anda, bukan oleh model embedding. Amazon Titan Text Embeddings v2 mendukung dokumen panjang, namun untuk tugas pengambilan, disarankan untuk mengelompokkan dokumen ke dalam segmen logis, seperti paragraf atau bagian.

Model Penyematan Teks Amazon Titan V2

Model Amazon Titan Embedding Text v2 dioptimalkan untuk bahasa Inggris, dengan dukungan multibahasa untuk bahasa-bahasa berikut. Cross-language kueri (seperti menyediakan basis pengetahuan dalam bahasa Korea dan menanyakannya dalam bahasa Jerman) akan mengembalikan hasil yang kurang optimal.