RAG LabPhase 5임베딩
Embedding Explorer
텍스트 청크를 벡터로 변환하고, 유사도를 분석하며, 다양한 모델을 비교해보세요.
RAG Lab 시리즈
2 / 4
🔢
임베딩 변환
텍스트를 고차원 벡터로 변환하는 과정을 단계별로 시각화합니다
🗺️
유사도 매트릭스
청크 간 의미적 유사도를 히트맵으로 시각화합니다
🔬
모델 비교
5가지 임베딩 모델의 특성과 차이를 비교 분석합니다
🔍
쿼리 검색
질문과 가장 관련 높은 청크를 찾는 검색 과정을 체험합니다
Embedding Explorer 로딩 중...
임베딩이란?
임베딩(Embedding)은 텍스트, 이미지 등의 데이터를 고정 크기의 숫자 벡터로 변환하는 기술입니다. 의미가 유사한 텍스트는 벡터 공간에서 가까운 위치에 배치됩니다.
- • 코사인 유사도: 두 벡터 사이의 각도로 유사도 측정
- • 차원: 모델에 따라 384 ~ 3072 차원의 벡터 생성
- • 정규화: 벡터를 단위 길이(L2=1)로 변환하여 비교 용이
RAG Lab 연계
이 시뮬레이터는 RAG Lab 시리즈의 두 번째 도구입니다. 전체 파이프라인:
- 1. Document Chunker - 문서를 청크로 분할
- 2. Embedding Explorer (현재) - 청크를 벡터로 변환
- 3. Vector Store - 벡터 저장소에 색인
- 4. Retrieval & Generation - 검색 및 답변 생성