回答

什么是embedding？

OpenAI 的文本embedding衡量文本字符串的相关性。

嵌入通常用于：

搜索（结果按与查询字符串的相关性排序）

聚类（其中文本字符串按相似性分组）

推荐（推荐具有相关文本字符串的项目）

异常检测（识别出相关性很小的异常值）

多样性测量（分析相似性分布）

分类（其中文本字符串按其最相似的标签分类）

embedding是浮点数的向量（列表）。两个向量之间的距离衡量它们的相关性。小距离表示高相关性，大距离表示低相关性。

要获得embedding，请将您的文本字符串连同选择的嵌入模型 ID发送到嵌入 API 端点text-embedding-ada-002。响应将包含一个embedding，您可以提取、保存和使用它。

示例请求：

curl https://api.openai.com/v1/embeddings \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"input": "Your text string goes here",
"model": "text-embedding-ada-002"
}'

示例响应：

{
  "data": [
    {
      "embedding": [
        -0.006929283495992422,
        -0.005336422007530928,
        ...
        -4.547132266452536e-05,
        -0.024047505110502243
      ],
      "index": 0,
      "object": "embedding"
    }
  ],
  "model": "text-embedding-ada-002",
  "object": "list",
  "usage": {
    "prompt_tokens": 5,
    "total_tokens": 5
  }
}

python代码：

def get_embedding(text, model="text-embedding-ada-002"):
   text = text.replace("\n", " ")
   return openai.Embedding.create(input = [text], model=model)['data'][0]['embedding']

df['ada_embedding'] = df.combined.apply(lambda x: get_embedding(x, model='text-embedding-ada-002'))
df.to_csv('output/embedded_1k_reviews.csv', index=False)

参考：https://openai.com/blog/introducing-text-and-code-embeddings

https://platform.openai.com/docs/guides/embeddings/what-are-embeddings