0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Embedding(埋め込み)についての備忘録 / Embedding Memo

0
Posted at

初回更新日: 2026/11/16(月)
最終更新日: 2026/11/16(月)
作成者: norder, Gemini 4 Hydrogen

1. 目的

  • Embedding(埋め込み)について最低限の基礎知識を得ること
  • 機械学習の初歩の初歩として, データがどのように扱われるかの大枠を掴むこと

2. 前提条件

2.1. 前提知識

  • 数学(ベクトル)の基本概念
  • 機械学習の基本概念

3. Embedding(埋め込み)とは

Embeddingとは, 簡単に言えば データを変換する仕組み のことです.

AIや機械学習のモデルは 文字 や 画像 といったデータをそのまま理解することができないため, 一度数値ベクトル(複数の数字の並び)へと変換します.
この文字や画像という高次元でバラバラなデータを意味のまとまりを保ったまま 特定のベクトル空間に落とし込む(埋め込む) 作業を Embedding(埋め込み) といい, データを上手く扱ううえで欠かせない土台となっています.

※ 注意

Embedding = 仕組み・手法
Embeddingモデル = 実際の変換器

4. Embeddingのメリット

前述の通り, データを数値ベクトルへ変換する際, Embedding では, 無秩序に数値を与えるのではなく, 似たような意味の単語同士の数値ベクトルがベクトル空間上で近い位置に配置される ような形で決められます.
そのため, 単語間の類似度を測ることが可能となっており, 更には単語同士の足し算や引き算といったことも行えるようになります.

具体的には, コサイン類似度を計算することで, 意味の類似度を測ることができ, さらに 王様 - 男性 + 女性 = 女王 といった計算が可能になります.

※ 単語同士の計算が成り立つのは, 1単語につき1つの数値ベクトルが与えられている静的な埋め込み(Word2Vecなど)に限ります.

5. 代表的な Embedding モデル

用途や時代に合わせて以下のようなモデルが存在します.

  • Word2Vec
  • BERT
  • OpenAI Embeddings

など, 他にも様々なモデルが存在します.

6. 補足

Embedding についてもっと詳しく知りたい方は, 参考元記事を参照することを推奨します.

7. 参考

SoftBank, Embedding(埋め込み)とは? AIが意味を理解しやすくなる仕組みとビジネス活用のメリットを解説(2026/11/16閲覧)
note, Embeddingについて大枠を理解しよう(2026/11/16閲覧)

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?