Embedding Space
Espacio de embeddings
En una frase
Embedding Space: el espacio de muchas dimensiones donde viven los embeddings y donde la distancia entre puntos refleja similitud de significado.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
Si cada embedding es una coordenada, el espacio de embeddings es el mapa completo. En él aparecen «barrios» de conceptos relacionados: animales por un lado, vehículos por otro, emociones en otra zona.
Nivel técnico
Profundizando
Es un espacio vectorial ℝᵈ con una métrica de similitud. Las direcciones pueden codificar relaciones (por ejemplo, género o tiempo verbal), aunque esta estructura lineal es aproximada. Técnicas como t-SNE o UMAP proyectan el espacio a 2D para visualizarlo, a costa de distorsionar distancias. Cada modelo de embeddings define su propio espacio: los vectores de dos modelos distintos no son comparables entre sí.
¿Por qué importa?
Explica por qué la búsqueda semántica funciona y por qué no se pueden mezclar embeddings de modelos distintos.
¿Dónde se utiliza?
- Visualización de datos
- Clustering
- Búsqueda semántica
Antes de aprender esto
Si alguno te resulta nuevo, empieza por ahí.