Якщо ви шукали чийсь код по векторним ембедінгам для натхнення, то ось Massimiliano Geraci виклав…
Якщо ви шукали чийсь код по векторним ембедінгам для натхнення, то ось Massimiliano Geraci виклав свій в колабі.
Що він робить і як: 🟢 демонструє процес генерування і візуалізації ембедінгів на базі запитів з Google Search Console 🟢 використовуються звичайні бібліотеки pandas, numpy, ніякі платні API не потрібні 🟢 завантажуємо запити з GSC в csv, можна свої підготовлені також — до 5тис, якщо будете потім візуалізацію робити — верхню клітинку в колонці з запитами називаємо query 🟢 клацаємо всі кнопки, завантажуємо наш csv-файлік, на виході отримуємо 2 tsl-файли 🟢 з цими файлами йдемо, наприклад, на Projector TensorFlow і спочатку завантажуємо файлік query_embeddings, а потім metadata 🟢 ці точки можна зробити текстовими, можна робити по ним пошук. Скоріш за все найзручніше вам буде використовувати UMAP.
Якщо дуже чесно, то практичної користі навряд чи буде багато, тому що у представлених даних не вистачає визначеної розбивки по сторінкам і немає направлених взаємозв'язків. Теоретично можна дописати. Але сидіти дивитись треба все одно очима, вручну...
Цінність у візуалізації даних, можливості поглянути на них з іншого ракурсу, повивчати, що таке ембедінги взагалі, можете тут в коментах показати, що у вас вийшло — буду пишатися і хвалити 🤗