Explorateur d’embeddings
Ajoutez des phrases, voyez où elles se placent et lisez la similarité entre elles.
Saisissez des expressions et regardez-les trouver leur place dans une projection 2D calculée en direct.
Ce qui est réel ici
Ce sont des vecteurs lexicaux, pas des embeddings neuronaux, et cette différence est toute la leçon. N-grammes de caractères, pondération TF-IDF, similarité cosinus et ACP en deux dimensions — tout cela calculé dans cette page. Ajoutez un mot et son synonyme et regardez-les rester éloignés : rien ici ne voit le sens, seulement l’orthographe. Combler cet écart est exactement ce que font les embeddings denses du moteur de recherche de ce site, et c’est pourquoi la démo sémantique bat celle par mots-clés. Cette API ne publie aucun point d’accès d’embedding ; plutôt que d’en inventer un, la démo vous montre la borne inférieure honnête.
Chaque expression est un point. Les expressions faites de caractères semblables se placent près l’une de l’autre.