エンベディングとは？

エンベディング（Embedding）とは、テキスト・画像・音声などの離散的なデータを、連続した多次元の実数値ベクトルへと変換する手法です。変換後のベクトル空間では、意味的に近いデータほどベクトルが近い位置に配置されるという特性があります。

最も有名な例は単語エンベディングで、2013年に発表されたWord2Vecは「king - man + woman ≒ queen」という意味演算が可能なことで注目されました。現在では文章全体や段落をひとつのベクトルに変換する「文エンベディング（Sentence Embedding）」が主流となり、より豊かな意味表現が実現されています。

エンベディングが活用される主な場面は以下のとおりです。

• 類似文書検索：問い合わせ文をベクトル化し、最も近いベクトルを持つ文書を検索
• 感情分析・分類：テキストをベクトルに変換したのち、機械学習分類器で感情や意図を判定
• 推薦システム：ユーザーと商品をベクトル化し、距離に基づいてパーソナライズされた推薦を生成
• RAG（検索拡張生成）：文書をエンベディングしてベクトルデータベースに保存し、LLMが参照する知識源として活用

エンベディングの次元数はモデルによって異なり、数百〜数千次元が一般的です。OpenAIやGoogle・Meta・Cohereなど各社がAPIや事前学習済みモデルを提供しており、AIアプリケーション開発の基盤部品として広く利用されています。