embedding2 [Graph Neural Networks] Node Embedding "> 2025.06.08 - [Data & Research] - [Graph Neural Networks] Table of Contents오랜만에 Graph Neural Networks의 포스팅을 이어가보려 합니다. 우리가 다루어야할 것은 추상적인 개념의 Graph인데 딥러닝 등의 정량적인 방식으로 다루기위해서는 어떻게든 수치화하는 것이 필요할 것입니다. 그런 관점에서 Graph의 node를 수치화(embedding)하겠다는 것이 node embedding입니다. node를 embedding한 결과물은 latent vector가 됩니다. 수치화하는 것도 중요하지만 그 과정에서 원래 graph에서 가까운 node들은 embedding 후에도 여전히 높은 유사도를 갖도록 해야 적절한 embedding이라고 .. 2025. 6. 3. [LLM & RAG] Langchain 기초 - Embedding/저장 1. EmbeddingLangChain에서 지원하는 주요 Embedding 모델은 아래와 같습니다. 1) Hugging Face EmbeddingHugging Face에서는 Transformers 모델을 사용하여 문서 임베딩을 생성할 수 있습니다. Hugging Face의 모델들은 여러 종류의 사전 훈련된 모델을 제공하며, 그 중 일부는 BERT, RoBERTa, DistilBERT, T5, GPT 등 다양한 종류의 임베딩을 제공합니다. 2) Google Generative EmbeddingGoogle의 Generative Embedding은 특정 NLP 작업에서 효율적인 임베딩을 생성하는 모델입니다. Google API를 통해 Embedding을 생성할 수 있으며, 특히 T5, BERT와 같은 사전 훈.. 2025. 4. 1. 이전 1 다음 반응형
