باختصار
فضاء التضمين (Embedding Space) هو الفضاء المتّجهي ذو d بُعد اللي بتتحوّل إليه السمات من فضاء متّجهي أعلى الأبعاد. وفضاء التضمين مُدرَّب على التقاط البنية ذات المعنى للتطبيق المقصود.
بالتفصيل
الفكرة إنك بتاخد تمثيلًا خامًا عالي الأبعاد ومتناثرًا — زي متّجه ترميز أحادي الساخن لكلمة من مفردات 50 ألف كلمة — وتضغطه إلى فضاء أصغر بكثير، لنقل 300 بُعد فقط.
لكن الضغط ده مش عشوائي. فضاء التضمين بيتدرّب بحيث العناصر المتشابهة معنويًا تقع قريبة من بعضها في الفضاء الجديد، والعناصر غير المرتبطة تقع بعيدة.
ومقياس التشابه ده عمليًا هو حاصل الضرب النقطي (Dot Product) بين تضمينين: قيمة حاصل الضرب النقطي بين تضمينين هي مقياس تشابههما.
والنتيجة العملية: عمليات كانت مستحيلة على التمثيل الخام صارت ممكنة على فضاء التضمين. تقدر تحسب «أقرب الكلمات معنى» أو «أقرب المنتجات لذوق مستخدم» بمجرّد قياس مسافة أو حاصل ضرب نقطي، بدل مقارنة منطقية معقّدة.
مثال عملي
في فضاء تضمين مدرَّب على نصوص عربية، كلمة «طبيب» المفروض تقع قريبة من «مستشفى» و«ممرّض» و«علاج»، وبعيدة عن «سيارة» و«مطر».
ولو حسبت حاصل الضرب النقطي بين تضمين «طبيب» وتضمين كل كلمة في القاموس، أعلى القيم هتكون للكلمات الأقرب معنى — وده أساس البحث الدلالي.
مصطلحات مرتبطة
- Embedding — التضمين.
- Semantic Search — البحث الدلالي.
- Vector Database — قاعدة البيانات المتّجهية.
المصادر: Google ML Glossary
