言語モデルの仕組み
埋め込み(エンベディング)とは
Embedding（うめこみ）
ひとことで言うと
単語や文章の「意味」を数百次元の数値ベクトルで表現したものです。
詳しい説明
埋め込み(Embedding)とは、単語・文・画像などを、意味の近さが距離として表れるような数値ベクトルに変換したものです。意味が近いものほどベクトル空間上で近くに配置されます。
これにより「王 − 男 + 女 ≒ 女王」のような意味の演算や、意味的に似た文書の検索が可能になります。検索・推薦・RAGなど、意味の比較が必要な場面で広く使われます。
ベクトル同士の近さはコサイン類似度などで測り、ベクトルデータベースに格納して高速に類似検索を行います。
具体例
- 「犬」と「猫」のベクトルは近く、「犬」と「経済」は遠くなる。
- 質問文をベクトル化し、意味が近い社内文書を探し出す(RAGの検索部分)。
よくある質問
埋め込みは何に使うの?
意味的な検索、文書のクラスタリング、推薦、そしてRAG(検索拡張生成)の中核部分に使われます。キーワード一致ではなく「意味の近さ」で探せる点が強みです。
出典・参考(一次ソース)
本ページは、広く確立したAIの用語・概念を、公開情報にもとづき編集部がわかりやすく整理したものです。特定製品の最新仕様・数値は各提供元の公式ドキュメントをご確認ください。
最終更新: 2026-07-07