Embedding Similarity

Embedding Similarity compara dos huellas numéricas de significado (embeddings) y devuelve una puntuación que indica cuánto se parecen los dos textos de los que salen. Así puedes saber si dos textos dicen lo mismo aunque estén escritos con otras palabras.

Las huellas se las da Text Embedder: uno por cada texto que quieras comparar.

Cuándo usarlo

• Saber si el mensaje de un cliente trata del mismo asunto que una frase de referencia, por ejemplo una reclamación o una devolución.
• Detectar incidencias o solicitudes repetidas que están escritas de forma distinta.
• Comprobar si dos descripciones de producto dicen lo mismo.

Configuración

Conexión	Qué conectar
Embedding Vectors	Las dos huellas que se comparan: conecta aquí la salida Embedding Data de dos Text Embedder. Tienen que ser exactamente dos.

Campo	Qué hace
Similarity Metric	Cómo se mide el parecido. Cosine Similarity (por defecto): cuanto más cerca de 1, más se parecen los dos textos. Euclidean Distance y Manhattan Distance: miden la distancia entre las dos huellas, así que cuanto más pequeño es el valor, más se parecen; 0 significa que son iguales.

Resultado

• Similarity Data: un dato con las dos huellas comparadas y la puntuación en similarity_score, con el nombre de la medida elegida (cosine_similarity, euclidean_distance o manhattan_distance). Puedes pasarlo a un componente que trabaje con datos, por ejemplo para quedarte solo con la puntuación y decidir qué hace el flujo a continuación.

Las dos huellas tienen que salir del mismo modelo

Si las huellas tienen tamaños distintos, porque salen de modelos de embeddings diferentes, en lugar de la puntuación recibes el aviso “Embeddings must have the same dimensions.”. Si no conectas exactamente dos huellas, el componente da un error.

Ejemplo

La tienda online Calzados Brisa quiere avisar a su equipo cuando un mensaje se parezca a una reclamación por un pedido que no ha llegado.

1. Conecta el mismo componente de embeddings, por ejemplo OpenAI Embeddings, a dos Text Embedder.
2. En el primero, el mensaje del cliente; en el segundo, la frase “Mi pedido no ha llegado todavía”.
3. Conecta las dos salidas Embedding Data a Embedding Vectors de Embedding Similarity con Similarity Metric en Cosine Similarity.
4. Usa la puntuación de Similarity Data para decidir si el mensaje se envía al equipo de reclamaciones.

Buenas prácticas

• Prueba con algunos mensajes reales antes de fijar a partir de qué puntuación consideras que dos textos hablan de lo mismo: el valor adecuado depende de tus textos y del modelo de embeddings.

Componentes relacionados

• Text Embedder
• OpenAI Embeddings
• FastEmbed Embeddings (Local)