Embedding Nedir? Anlamın Sayıya Çevrilmesi

Bilgisayarlar sayılarla çalışır, insanlar kelimelerle. Embedding, bu iki dünya arasındaki köprüdür: bir metnin anlamını, o anlamı temsil eden bir sayı dizisine çevirir. Türkçesi gömme, ama sektörde İngilizcesi yerleşmiş durumda.

Anlamın koordinatı

Her metin parçası, çok boyutlu bir uzayda bir noktaya yerleştirilir. Bu nokta yüzlerce, bazen binlerce sayıdan oluşan bir koordinattır (vektör). İşin sihri şurada: anlamca yakın metinler bu uzayda birbirine yakın noktalara düşer.

"Kedi", "kedigil" ve "yavru kedi" birbirine yakın konumlanır. "Faiz oranı" ise çok uzakta durur. Model bunu kimse elle etiketlemeden, sadece dilde hangi kelimelerin hangi bağlamlarda birlikte geçtiğini öğrenerek yapar.

Kelime eşleşmesinden farkı

Klasik arama harfleri eşleştirir. "Ücret iadesi" yazan bir kullanıcı, belgede "para geri ödeme" yazıyorsa hiçbir sonuç bulamaz; ortak kelime yoktur.

Anlamsal arama embedding kullanır: sorunun vektörünü hesaplar ve belgelerin vektörleri arasında en yakınlarını bulur. Ortak kelime olmasa da anlam yakınsa sonuç gelir. Teknik destek geçmişimden bilirim: kullanıcıların çoğu sorunu doğru terimle aramaz, yaşadığı hâliyle anlatır. Anlamsal arama tam bu boşluğu kapatır.

Nerede kullanılır?

• Anlamsal arama: Yardım merkezi, doküman arama, e-ticarette ürün bulma.
• RAG mimarisi: Soruyla ilgili belge parçalarını bulmanın standart yolu embedding'dir.
• Öneri sistemleri: Benzer içerik veya ürün önerme.
• Sınıflandırma ve kümeleme: Binlerce destek talebini konularına göre otomatik gruplama.
• Tekrar tespiti: Farklı kelimelerle yazılmış aynı içeriği yakalama.

Benzerlik nasıl ölçülür?

En yaygın yöntem kosinüs benzerliğidir: iki vektör arasındaki açının ne kadar dar olduğuna bakar. Sonuç genelde -1 ile 1 arasında bir sayıdır; 1'e yakınsa anlamlar örtüşüyor demektir. Pratikte bir eşik belirlenir (örneğin 0,75) ve altındaki sonuçlar alakasız sayılır.

Bilinmesi gereken sınırlar

Embedding anlamı yakalar ama nüansı her zaman ayırt edemez. "Ödeme başarılı" ile "ödeme başarısız" cümleleri, olumsuzluk eki dışında neredeyse aynı olduğu için beklenenden yakın çıkabilir. Kritik ayrımların olduğu yerlerde embedding'i tek başına bırakmayın; kural veya filtre ile destekleyin.

Vektörlerin nerede saklandığı ve nasıl hızlı arandığı konusu için vektör veritabanı yazısına bakabilirsiniz.

Sıkça sorulan sorular

Embedding modeli ile sohbet modeli aynı mı?

Değil. Embedding modeli metni vektöre çevirir, cevap üretmez. Genelde daha küçük ve çok daha ucuzdur.

Türkçe metinde iyi çalışır mı?

Güncel çok dilli embedding modelleri Türkçede tatmin edici sonuç verir. Ayrıca çok dilli modeller sayesinde Türkçe soru, İngilizce belgeyi bulabilir.

Belgeyi ne kadar parçalamalıyım?

Çok büyük parça anlamı bulanıklaştırır, çok küçük parça bağlamı koparır. Pratikte 200-500 kelimelik parçalar, aralarında hafif örtüşmeyle iyi sonuç verir.

Embedding modeli nasıl seçilir?

Üç kritere bakın: dil desteği (Türkçe dahil çok dilli mi), vektör boyutu (büyük boyut daha isabetli ama daha maliyetli) ve fiyat. Çoğu iş için LLM sağlayan firmaların kendi embedding modelleri hem yeterli hem pratik başlangıç noktasıdır; özel alan (tıp, hukuk gibi) söz konusu değilse alan-özel model aramaya gerek yok.