待验证50% 置信事实精确时间

嵌入相似度方法将文档和概念描述编码为高维向量，通过余弦相似度等度量判断语义接近程度，依赖预训练句子编码器如Sentence-BERT、text-embedding-ada-002

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

零样本可视化：用自然语言定义坐标轴探索文本语料库

涉及实体

嵌入相似度concept Sentence-BERTtechnology text-embedding-ada-002model

相关事实

待验证嵌入相似度方案将请求编码为向量后与预定义类别的代表向量计算余弦相似度，延迟约10-50毫秒，准确率中等79% 相似已验证语义检索基于余弦相似度等数学度量而非简单的关键词匹配77% 相似待验证近义词归一化可通过Sentence-BERT等句嵌入模型将词语映射为稠密向量，再通过余弦相似度计算语义接近程度75% 相似待验证嵌入技术将文档和查询转换为高维向量，通过余弦相似度或欧氏距离计算相似度定位相关内容74% 相似已验证CLIP通过最大化匹配图文对之间的余弦相似度、最小化不匹配图文对之间的余弦相似度，将图像编码器与文本编码器联合训练至同一语义空间74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/982933

API

curl https://kongchang.com/api/v1/knowledge/claims/982933

MCP

get_claim(id=982933)