임베딩 모델(embedding model)

calico·2025년 7월 8일

목록 보기

51/143

임베딩 모델(Embedding Model)

사람이 쓰는 텍스트(단어, 문장, 문서 등)를 컴퓨터가 이해할 수 있는 숫자 벡터(고차원 숫자 배열)로 변환하는 것.
- 이 숫자 벡터가 바로 “임베딩(embedding)”입니다.

컴퓨터 입장에서는 ‘강아지’, ‘고양이’라는 글자만 보고 두 단어의 “의미적 유사성”을 알 수 없음.
- 하지만 임베딩 벡터로 표현하면 의미가 비슷한 단어, 문장, 문서의 벡터끼리 “가까운 숫자”로 자동 변환됨.
그래서 검색, 추천, 유사도 계산, 벡터DB 등 “텍스트의 의미 비교·검색”이 가능해짐!

이 변환 작업(텍스트→벡터)을 수백/수천만 문장의 패턴을 학습한 딥러닝 모델이 자동으로 처리!
대표적인 임베딩 모델은
- OpenAI의 text-embedding-ada-002
- BERT, Word2Vec, Sentence Transformers 등

용어	의미/설명
임베딩(embedding)	텍스트를 의미 벡터로 변환한 수치형 표현
임베딩 모델	이 변환을 자동으로 해주는 딥러닝 모델
벡터DB	벡터로 저장된 대용량 데이터베이스, 유사 검색
대표 예시	OpenAIEmbeddings(), BERT, FastText 등

임베딩 모델이란 “텍스트의 의미를 숫자 배열로 바꿔주는 딥러닝 변환기!”
이 덕분에 컴퓨터가 텍스트의 의미까지 비교하고 검색, 추천, 유사도를 쉽게 다룰 수 있습니다.

embedding = OpenAIEmbeddings()
vector_db = Chroma.from_texts(
    glossaries,
    embedding,
    metadatas=metadatas
)

임베딩 모델(embedding model)은 텍스트(주로 단어, 문장, 문서)를 고차원 실수 벡터(=숫자 배열) 형태로 변환해주는 인공지능 모델입니다.
이렇게 변환해야 컴퓨터(특히 벡터 DB, 검색, 머신러닝, 유사도 계산)에서 텍스트 의미·유사성을 수학적으로 빠르게 판단할 수 있습니다.

LangChain(및 Chroma 등 벡터 DB)이 지원하는 임베딩 모델 중
최신/대표적인 것이 바로 OpenAI에서 제공하는 문장 임베딩 API(OpenAIEmbeddings) 입니다.
- ("text-embedding-ada-002" 등 모델 사용)
glossary.txt에 들어있는 전문 용어나 설명을 OpenAIEmbeddings 모델로 변환(임베딩)해서 Chroma vector DB에 저장하고,

→ 이후 입력 문장도 동일 임베딩 모델로 변환해서 벡터DB에서 유사도 비교

항목	코드에서 구체적 역할
임베딩 모델	OpenAIEmbeddings()
목적	텍스트(용어, 설명, 사용자 입력 등)를 벡터로 변환
활용 위치	Chroma 벡터DB에 용어집 저장/유사 검색 시 동일하게 사용
대표적 모델	OpenAI의 text-embedding-ada-002 등