Embedding 是什麼？用找相似句子看懂語意向量

Embedding 是把資料轉成一串數字表示的方法。本文先談文字：這串數字可用來比較兩段文字的關係，例如找出用字不同、意思卻很接近的句子。

這種數字表示常叫做語意向量。「向量」在這裡先理解成一組有順序的數字就好，你不需要先學公式。重點是它能幫忙找相關內容，卻不能直接替你判斷哪一句是真的。

為什麼不能只看文字有沒有一樣？

假設你在找「活動要不要先報名」，文件可能寫成「本活動免事先登記」。兩句沒有使用完全相同的詞，卻談同一個問題。

文字 Embedding 的用途之一，就是讓系統有機會從意思找內容，而不只比對表面字詞。這種做法通常叫語意搜尋，也就是按照文字表達的意思尋找相關資料。

關鍵字搜尋仍然有用。例如訂單編號「A102」就需要準確對上，不能因為「A103」看起來很像就當成同一筆。兩種方式可以互相補充。

數字像位置，但不是一張真正的地圖

你可以想像把句子放在一張「意思地圖」上：談同一件事的句子比較靠近，談完全不同事情的句子比較遠。這只是幫助理解的比喻，實際數字不是經緯度。

負責轉換的 AI，常叫做 Embedding 模型。它產生數字表示，讓系統用計算方式比較關係。你不用替每個字手動編號。

Google 的教學提醒，實際向量裡每個數字代表的意義，通常不像地圖的東西南北那麼直觀。因此不能把其中一個數字直接解讀為「這句有八成可信」。

用三個句子，分清相關與相反

下面都是原創教學句子，不是真實活動公告，也沒有對任何模型測量相似度。

• A：這場活動不用先報名。
• B：本活動免事先登記。
• C：這場活動必須提前報名。

A 和 B 在這個情境表達相同意思，C 卻是相反要求。但三句都在談活動報名，實際搜尋時都有可能成為相關結果。

因此，搜尋系統把 C 找出來，不等於它已經判定 C 和 A 的規定相同。找到候選資料後，仍要讀「不用」「免」「必須」等關鍵條件。

從問題到搜尋結果，中間做了什麼？

以一批活動說明為例，可以簡化成四個動作：

1. 把每段說明交給 Embedding 模型，轉成數字。
2. 保存數字與對應的原始說明，讓它們可以找回彼此。
3. 把「活動要不要報名」這個問題也轉成可比較的數字。
4. 比較問題與說明的關係，找出相關段落，再讀原文。

實際應用通常讓問題與文件使用同一個、或明確相容的轉換方式。不能隨便拿兩種不相容模型的數字直接比較，就像不能把兩張比例不同的地圖直接疊起來判斷距離。

這一段流程的成果是找到相關內容，還不是一段完整回答。後續若讓 AI 參考找到的內容整理答案，就可能成為 RAG 流程的一部分。

看到相似結果時，還要檢查什麼？

先看文件是不是你問的活動，再看日期與報名要求。兩份文字可能非常相似，但一份是去年的活動，另一份才是今年的安排。

若搜尋結果有相似分數，也不要把它直接當成答案正確率。分數是在指定比較方法下表示關係，不能證明內容適用或沒有錯。

新手可以先做一個不用工具的練習：讀完 A、B、C，指出哪兩句在這個情境意思相同，哪一句會讓你的下一步行動不同。能分清這件事，就掌握了「找相似」和「讀懂條件」的差別。

總結

Embedding 用數字表示內容，讓電腦比較關係。它能協助找出相關句子，但相近的文字可能有相反規定；最後仍要回到原文，確認對象、日期與條件。

參考資料

• Google：Embedding 空間與表示
• Pinecone：向量資料與搜尋