[{"data":1,"prerenderedAt":100},["ShallowReactive",2],{"glossary-tr-embedding":3},{"id":4,"title":5,"body":6,"description":89,"extension":90,"meta":91,"navigation":95,"path":96,"seo":97,"stem":98,"__hash__":99},"sozluk\u002Fsozluk\u002Fembedding.md","Embedding ve Vektör Arama Nedir?",{"type":7,"value":8,"toc":79},"minimark",[9,14,22,27,34,38,46,50,72],[10,11,13],"h2",{"id":12},"embedding-nedir","Embedding Nedir?",[15,16,17,21],"p",{},[18,19,20],"strong",{},"Embedding",", bir metin parçasını, görüntüyü ya da sinyali sabit uzunlukta bir sayı dizisine (vektöre) çevirmektir. Bu çeviri anlamı korur: benzer anlamdaki iki cümlenin vektörleri birbirine yakın düşer.",[23,24,26],"h3",{"id":25},"vektör-arama","Vektör Arama",[15,28,29,30,33],{},"Bir soru da embedding'e çevrilir ve dokümanlardaki parçalar arasından vektörü en yakın olanlar bulunur. Yakınlık genelde ",[18,31,32],{},"kosinüs benzerliği"," ile ölçülür. Anahtar kelime aramasından farkı: \"ağaçta yaprak sararması\" sorusu, \"kloroz belirtileri\" başlıklı bir paragrafı da bulabilir.",[23,35,37],{"id":36},"ragdeki-rolü","RAG'deki Rolü",[15,39,40,45],{},[41,42,44],"a",{"href":43},"\u002Fsozluk\u002Frag","RAG"," sistemlerinde embedding, dil modeline verilecek bağlamı seçen adımdır. Yanlış parça seçilirse en iyi dil modeli de yanlış cevap verir.",[23,47,49],{"id":48},"pratik-notlar","Pratik Notlar",[51,52,53,60,66],"ul",{},[54,55,56,59],"li",{},[18,57,58],{},"Çok dilli model",": bge-m3 gibi çok dilli bir embedding modeli, Türkçe ve İngilizce kaynakları tek indekste tutabilir.",[54,61,62,65],{},[18,63,64],{},"Parça boyutu",": Çok küçük parçalar bağlamı kaybeder, çok büyükler alakasız metin taşır.",[54,67,68,71],{},[18,69,70],{},"Korpus seçimi",": Alakasız dokümanlar eklemek isabeti düşürür; daha fazla doküman her zaman daha iyi değildir.",[15,73,74,75],{},"Uygulamalı örnek: ",[41,76,78],{"href":77},"\u002Fblog\u002Fyerel-llm-ve-rag-ile-agronomi-asistani","Yerel LLM ve RAG ile Agronomi Asistanı",{"title":80,"searchDepth":81,"depth":81,"links":82},"",2,[83],{"id":12,"depth":81,"text":13,"children":84},[85,87,88],{"id":25,"depth":86,"text":26},3,{"id":36,"depth":86,"text":37},{"id":48,"depth":86,"text":49},"Metni, görüntüyü ya da sinyali anlamını koruyan sayı dizilerine çevirmek ve RAG sistemlerinde benzer içeriği bulmak.","md",{"tags":92},[20,26,44,93,94],"LLM","Industrial AI",true,"\u002Fsozluk\u002Fembedding",{"title":5,"description":89},"sozluk\u002Fembedding","yKBJd59RU1pwvXLSH82SVh-h21wD45Emhp9rzcch-t8",1793268821271]