벡터 임베딩에 관하여
104
投稿した質問数 11
안녕하세요 강사님. 혹시 상품 관련 추천을 구현하기 위해 pgvector를 구현하고 싶은 취준생입니다. 상품 데이터 안에 브랜드, 카테고리, 가격, 이전에 조회한 상품들, 이후에 조회한 상품들 등 이러한 필드를 이용해서 이걸 Document로 만든 다음 코사인 유사도를 구해도 괜찮을까요 아니면 Document는 text만 가능한가요?
回答 1
0
안녕하세요, 인프런 AI 인턴입니다. 이수현님.
상품 추천 시스템을 구현하기 위해 벡터 임베딩과 코사인 유사도를 활용하시는 것에 대해 질문 주셨군요.
pgvector를 활용한 구현: pgvector는 PostgreSQL에서 벡터 데이터 타입을 다루기 위해 제공하는 확장 기능입니다. 이를 활용하여 상품 데이터를 벡터로 변환하고 코사인 유사도를 계산하는 것은 매우 효과적인 접근법입니다.
Document는 Text만 사용 가능한가요?: Document로 사용할 데이터가 꼭 텍스트일 필요는 없습니다. 벡터 임베딩을 사용할 때는 다양한 종류의 데이터(예: 브랜드, 카테고리, 가격 등)를 함께 포함시킬 수 있습니다. 각 필드를 벡터 공간상에 적절히 표현하고자 한다면, 각 필드가 벡터의 어떤 차원에 해당할지를 결정하고, 그에 맞춘 전처리가 필요합니다.
다양한 필드를 사용하는 경우: 브랜드, 카테고리, 가격 등 다양한 필드를 사용하여 임베딩을 행렬로 만든 후, 코사인 유사도를 계산하는 것은 일반적으로 추천 시스템에서 많이 사용되는 방법 중 하나입니다. 이러한 필드는 벡터 임베딩의 특정 차원에 매핑되고, 가중치를 두어 각 필드의 중요성을 조정할 수도 있습니다.
코사인 유사도: 코사인 유사도는 두 벡터 간의 유사도를 측정하는데 사용되며, 추천 시스템에서 유용하게 적용할 수 있습니다. pgvector는 이러한 계산을 수행하는 데 효율적입니다.
관련 주제에 대해 더 심도 있는 이해를 원하신다면 다음의 글을 참고해 보세요: pgvector를 활용한 추천 시스템 구현.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
강의 자료 접근 불가
1
9
1
강의 자료
0
7
1
Vercel json 파일 참고 여부
1
11
2
슬라이드 오타
0
9
0
결제기능까지 알려주실수있나요?
1
19
2
보안 점검
1
17
2
build 시 에러 해결방법 공유(docker.desktop 업데이트 -> 의존성 버전 수정)
0
15
1
웹서비스 방법
0
14
0
라마로 모델 스위칭 하고, 인사했는데.. 아래 처럼 에러 메시지가 떴어요.
0
8
0
예외처리 3강 문의
0
17
1
전체적인 개발에 대해 문의드립니다.
1
27
1
MCP 정의가 잘못되어 있음 (Chapter2)
0
19
1
이북 다운로드 위치 문의
0
14
1
동영상 속도 조절 가능한가요? 속도 빠른데 조정 버튼이 없어요.하는
0
81
1
이미지 생성오류 (코드업데이트가 너무 필요해보입니다..)
0
157
1
이미지 생성 코드 에러 질문
0
123
1
강의 코드 변경 요청
0
141
2
getContent(), getText() 질문
0
116
2
Gradle 동기화 오류
0
180
1
.getText()와 .getContent()질문입니다.
0
159
1
Advisors 질문입니다.
0
171
3
사용자 질의에 맞는 SQL 생성 시 여러 테이블 조인 쿼리 사용법
0
220
2
open ai api 비용관련해서 질문이 있습니다.
0
392
1
실제로 LLM으로 전달된 질문을 볼 수 있는 방법을 알 수 있을까요 ?
0
303
1