本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 向量概述
<a name="vectors"></a>

*向量*是帮助机器理解和处理数据的数值表示。在生成式人工智能中，它们有两个关键用途：
+ 表示以压缩形式捕获数据结构的潜在空间
+ 为单词、句子和图像等数据创建嵌入式

*诸如 [Word2Vec [GloVe](https://github.com/stanfordnlp/GloVe)](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)和 A [mazon Titan 文本嵌入之类的嵌入模型通过称为嵌入](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html)的过程将数据转换为向量。*这些嵌入模型可以执行以下操作：
+ 从上下文中学习，将单词表示为向量
+ 在向量空间中将相似的单词放得更近
+ 使机器能够在连续的空间中处理数据

下图简要概述了嵌入过程：

1. A [mazon Simple Storage Service (Amazon S3)](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) 存储桶包含文件，这些文件是系统从中读取和处理信息的数据源。Amazon S3 存储桶是在配置 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) 知识库时指定的，其中还包括将[数据与知识库同步](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-data-source-sync-ingest.html)。

1. 嵌入模型将 Amazon S3 存储桶中对象文件中的原始数据转换为矢量嵌入。例如，`Object1`被转换为`[0.6, 0.7, ...]`表示其在多维空间中的内容的向量。

![嵌入模型会将 Amazon S3 存储桶中的对象转换为矢量嵌入。](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/images/vector-databases.png)


单词嵌入对于自然语言处理 (NLP) 至关重要，因为它们具有以下作用：
+ 捕捉单词之间的语义关系
+ 启用生成与上下文相关的文本
+ 支持大型语言模型 (LLMs) 以生成类似人类的响应