Embeddings 101: Yazıda Semantik İlişkilerin Kilitlenmesi

Yıllar önce metin verileri ile çalışmaya başladığımda, ekleme kavramının tamamı gereksizce karmaşık görünüyordu. kelime çantası yaklaşımlarım ve basit TF-IDF vektorlarımla rahatladım. Ürün değerlendirmeleri ile çalışıyordum ve geleneksel modellerim sarkazm veya nüanslı dil ile değerlendirmeleri yanlış sınıflandırmaya devam etti. Bunlar sadece fantastik yeni bir teknik değil - makinelerin dili nasıl anladığının temel sınırlamalarını ele alıyorlar. The Old Days: Life Before Embeddings Önceki İçerikThe Old Days: Life Before Embeddings Bu yöntemlerin ve yaklaşımların ayrıntılarına girmeden eklemelerden önce metin temsillerini kullanmanın tarihini anlayalım. One-Hot Encoding Her kelime, bir sözlükte bu kelimeye karşılık gelen bir "1" hariç tüm sıfırlar hariç tek bir "1" hariç tüm sıfırlar içeren az sayıda vektor olarak temsil edildi. Her kelime kendi boyutunu aldığında, her kelime büyük, az sayıda vektor olarak temsil edildi. Eğer sözlük 100.000 kelimeye sahipse (ki bu mütevazı), her kelime vektoru 99.999 sıfır ve tek bir 1. Bu temsiller bize kesinlikle hiçbir anlam ifade etmedi. “kedi” → [1, 0, 0, 0, ..., 0] (şair kelimesi pozisyonu 5432) “köpek” → [0, 1, 0, 0, ..., 0] (şair kelimesi pozisyonu 8921) kısıtlamaları Şöyle Şöyle Şöyle Şöyle Şöyle Boyut patlaması: Vektörlerin kelime boyutları kadar boyutları vardı (genellikle 100.000+) Semantik ilişkiler yok: “kedi” ve “kedi” “kedi” ve “uçak” (her şey eşit mesafede) kadar farklıydı. Hesaplama verimsizliği: Bu az sayıda matrisin çoğaltılması son derece kaynak yoğunluğu içeriyordu Genelleşme yok: Sistem orijinal sözlükten başka kelimeleri anlayamadı Bag-of-Words Approach Belgelerdeki sözcüklerde sözcük oluşumlarını sayar, bazen onların önemine göre ağırlaştırılır. belgelerdeki sözcükler, sözcük düzenini tamamen ortadan kaldırarak, düzeltilmemiş sözcük koleksiyonları olarak değerlendirir. "köpek adamı ısırdı" ve "erkek köpeği ısırdı" aynı temsillere sahip olurdu. Doküman: "Kedi matta oturdu" BoW: {"the": 2, "cat": 1, "sat": 1, "on": 1, "mat": 1} Kısıtlamalar : Şöyle Şöyle Şöyle Şöyle Şöyle Kelime düzeninin kaybı: "Köpek insanı ısırır" ve "İnsan köpeği ısırır" aynı temsiller vardı Sparse Yüksek Boyutlu Vektörler: Hala sözlük boyutlu vektörler gereklidir Semantik anlayış yok: Synonyms tamamen farklı özellikler olarak temsil edildi Kontekstüel anlam yok: Her kelime bağlamına bakılmaksızın sabit bir temsilye sahipti. N-grams Bazı kelime düzeni yakalamak için, n-gramları (n arka kelimelerin sıralamaları) kullanmaya başladık. bazı bağlam bilgileri yakalamak için N arka kelimelerin sıralamalarını inceledi. Unigrams (single kelimeler) ile, 100,000 bir sözlük kapasitesine sahip olabilirsiniz. bigrams ( kelime çiftleri) ile, aniden potansiyel milyonlarca özelliğe bakıyorsunuz. trigrams ile? milyarlarca, teorik olarak. Agresif kesme ile bile, boyutluluk yönetilemez hale geldi. Limitations: Kısıtlamalar : Şöyle Şöyle Şöyle Şöyle Kombinasyonel patlama: Mümkün olan n-gram sayısı eksponensiyel olarak artıyor Verilerin azlığı: Çoğu olası n-gram eğitim verilerinde asla görünmez Sınırlı bağlam penceresi: Küçük pencerelerde sadece ilişkiler yakalanır (genellikle 2-5 kelime) TF-IDF (Term Frequency-Inverse Document Frequency) TF-IDF, sözcüklerin corpus ile ilgili belirli bir belge için ne kadar önemli olduklarına dayanarak kelimeleri ağırlatarak şeyleri iyileştirdi. Limitations: Kısıtlamalar : Semantik anlam yok: Kelimelerin sayısı ve sıklığı, kullanımlarının önemini belirler. The Embedding Revolution: What Changed? Sonraki İçerikİstanbul Devrimi: Neler Değişti? Embeddings'e geçiş sadece artan bir iyileştirme değildi; dilin nasıl temsil edildiğine dair bir paradigma değişikliği oldu. Meaning Through Context Girişlerin arkasındaki temel anlayış yanıltıcı derecede basittir: benzer bağlamlarda görünen kelimeler muhtemelen benzer anlamlara sahiptir. eğer "köpek" ve "kedi" aynı tür kelimelerin etrafında görünürse ("evcil hayvan", "yemek", "kedi"), muhtemelen semantik olarak ilişkilidirler. Word2Vec gibi erken ekleme modelleri, sinir ağlarını öngörmek için eğiterek bunu yakaladı: Şöyle Şöyle Çevresel bağlamına dayanan bir kelime (Kontinuous Bag of Words) Bir kelimeye dayanan çevre bağlamı (Skip-gram) Bu modellerdeki gizli katman ağırlıkları, vektor alanının geometrik özelliklerinde semantik ilişkileri kodlayan kelime vektorlarımız haline geldi. İlk olarak kelime vektörlerini karıştırdığımda ve "kral" - "erkek" + "kadın" ≈ "kraliçe" olduğunu gördüğümde, devrimci bir şey üzerinde olduğumuzu biliyordum. Word2Vec ve GloVe gibi erken modeller, her kelimeye bağlamdan bağımsız olarak tek bir vektor verdi. "I need to bank the money" vs. "I'll meet you by the river bank" BERT ve GPT gibi modeller, çevresel bağlamına bağlı olarak aynı kelime için farklı yerleştirmeler oluşturarak bunu çözdü. Öyleyse, önce eklentilerin ne olduğunu ve NLP'yi nasıl dönüştürdüğünü ve önceki yaklaşımların sınırlamalarını nasıl ele aldığını anlamaya çalışalım. What Are Embeddings? Embeddings Nedir ? Girişler, metin için, sözcükler veya belgeler arasındaki semantik ilişkileri yakalamak için, makinelerin anlamları matematiksel olarak işlenebilir bir şekilde anlamasını sağlar. Key Concepts: Şöyle Şöyle Şöyle Şöyle Şöyle Vektörler: Çok boyutlu alanlarda bir noktayı temsil eden sayıların sıralı listeleri Boyutlar: Her vektörde değerlerin sayısı (örneğin, 768-dim, 1024-dim) Vektör Uzayı: Girişlerin var olduğu matematiksel alan Semantik benzerlik: Vektörler arasındaki mesafe veya açı ile ölçülür (daha yakın = daha benzer) What Do Dimensions Represent? Bir yerleştirme vektöründe her boyut, verilerin öğrenilen bir özelliğini veya yönünü temsil eder. klasik özellik mühendisliği aksine, modern yerleştirme modellerinde insanlar her boyutun ne anlama geldiğini tanımlar: Şöyle Şöyle Şöyle Şöyle Şöyle Antrenman sırasında boyutlar abstrakt “konseptleri” temsil etmek için ortaya çıkar. Bireysel boyutlar genellikle belirli insan yorumlanabilir anlamlara sahip değildir. Vektörün tamamı, bütünsel olarak semantik bilgileri yakalar. Bazı boyutlar duygular, formaliteler, konulardır veya sentez olabilir, ancak çoğu özelliklerin karmaşık kombinasyonlarını temsil eder. Why We Need Embeddings Bilgisayarlar temel olarak rakamlarla değil kelimelerle çalışırken, dil işlemi yaparken, metni şunları ifade eden sayısal temsillere dönüştürmeliyiz: Şöyle Şöyle Şöyle Şöyle Şöyle Semantik ilişkiler yakalamak - Benzer kavramlar benzer temsillere sahip olmalıdır Kontekstüel anlamı korumak – Aynı kelime farklı bağlamlarda farklı şeyler ifade edebilir Matematik işlemleri etkinleştirin – Benzerlikleri bulmak veya benzerlikleri gerçekleştirmek gibi Büyük ölçekte verimli çalışın – Bilgisayar patlaması olmadan büyük metin hacimleri işleyin Embeddings, kelimeleri, cümleleri veya belgeleri, semantik ilişkilerin geometrik ilişkiler olarak korunduğu sürekli bir alanda yoğun vektörler olarak temsil ederek bu sorunları çözer. Foundations of Embeddings Dense Vector temsilcileri Binlerce veya milyonlarca boyutlu nadir vektörler yerine, entegre, her boyutun anlamına katkıda bulunduğu birkaç yüz yoğun boyut kullanır. "cat" → [0.2, -0.4, 0.1, -0.8, ..., 0.3] (300 dimensions) "kitten" → [0.19, -0.38, 0.15, -0.75, ..., 0.29] (similar to "cat") Bu, büyüklükteki hesaplamayı daha verimli hale getirir ve aynı zamanda daha zengin bir semantik temsil etmeyi sağlar. Semantik dağıtım Embeddings, "bir kelimeyi şirket tarafından bileceksiniz" (J.R. Firth) prensibine dayanmaktadır. benzer bağlamlarda hangi kelimeleri analiz ederek, embeddings semantik ilişkileri otomatik olarak yakalar. Örneğin, “kral” ve “kraliçe” benzer bağlamlara sahip olacak, bu nedenle nadiren tam olarak aynı konumda görünse de benzer yerleştirmeler olacak. Matematik Özellikleri Giriş alanları şaşırtıcı matematik özellikleri vardır: vector("king") - vector("man") + vector("woman") ≈ vector("queen") Bu, vektor alanında doğrudan analog düşünme ve semantik işlemleri sağlar. Transfer öğrenme Önceden eğitilmiş eklentiler, belirli görevler için iyi ayarlanabilen genel dil bilgilerini yakalar ve yeni uygulamalar için gerekli verileri önemli ölçüde azaltır. Kontekstüel anlayış Modern bağlamda yerleştirmeler (BERT, GPT vb. gibi) aynı kelimeyi bağlamdan farklı şekilde temsil eder: "I'll deposit money in the bank" → "bank" relates to finance "I'll sit by the river bank" → "bank" relates to geography Entegre ile ilgili tüm bilgi ve anlayışla, bunları kullanmaya başlamak zamanı geldi. LLM/SLM Modellerini Geliştirmek İçin Kullanın Çeşitli araştırma ekipleri, çok sayıda dil ve alanı kapsayan çeşitli veri kümelerinde eğitilmiş embedding modellerini geliştirdiler. Bu çeşitlilik, çok farklı kelime ve semantik anlayış yetenekleri olan modellerde sonuçlanır. Örneğin, İngiliz bilimsel edebiyatında öncelikle eğitilen modeller, çok dilli sosyal medya içeriği üzerinde eğitilenlerden farklı olarak teknik kavramları kodlayacaktır. Bu uzmanlık, uygulayıcıların belirli kullanım durumlarına en uygun embedding modellerini seçmelerini sağlar. Hugging Face'dan SentenceTransformer paketi gibi kütüphaneler, çeşitli yerleştirme modelleriyle çalışmak için kapsamlı bir SDK sunar. Benzer şekilde, OpenAI'nin SDK, birçok benchmark üzerinde etkileyici performans göstermiş olan yerleştirme modellerine basit erişim sağlar. Bu araçlar ve çok daha fazlası, gelişmiş yerleştirme teknolojilerine demokratikleştirilmiş erişim sağlar, geliştiricilerin semantik anlayışını baştan itibaren modelleri eğitmek zorunda kalmadan uygulamalara entegre etmelerine olanak tanır. Modeller, bu makalenin uğruna, cümleleri bir giriş olarak alır ve ilgili vektör temsillerini iade eder kara kutu olarak değerlendirilmelidir. bir yerleştirme modelinin işleyişi ve işleyişi hakkında ayrıntılar bu makalenin kapsamı dışında. Embeddings için SentenceTransformers Kütüphanesi SentenceTransformer kullanarak eklentileri oluşturmanın en basit yolu: from sentence_transformers import SentenceTransformer # Load a pre-trained model model = SentenceTransformer('all-MiniLM-L6-v2') # 384 dimensions # Generate embeddings texts = ["This is an example sentence", "Each sentence becomes a vector"] embeddings = model.encode(texts) print(f"Shape: {embeddings.shape}") # (2, 384) max_seq_length = model.tokenizer.model_max_length print(max_seq_length) # 256 HuggingFace’den mevcut olan “all-MiniLM-L6-v2” modelinin 384 boyutları vardır. Bu, belirli bir kelime veya cümle için 384 özelliği veya nüansı yakalayabileceği anlamına gelir. Bu modelin dizin uzunluğu 256 tokentir. Sözcükler ekleme sürecinde tokenizer tarafından kelimelere ve kelimelere bölünür. Bir cümle için oluşturulan token sayısı genellikle cümlede bulunan kelimelerin sayısından %25 ila %40 daha fazladır. Sıralama uzunluğu, model tarafından verilen giriş olarak işlenebilecek token sayısını gösterir. Daha az şey 256 uzunluğuna dönüştürülür ve daha fazlası atılır. Bunların anlamları vardır ve bunları başka bir makalede tartışacağız. SentenceTransformer sınıfının kodlama yöntemi, modeli kullanmak için PyTorch varsayım modunda bir wrapperdir. from sentence_transformers import SentenceTransformer import torch # Load the model directly with SentenceTransformer model = SentenceTransformer("sentence-transformers/msmarco-distilbert-base-tas-b") # Input text texts = ["This is an example sentence", "Each sentence becomes a vector"] # Get embedding directly with torch.no_grad(): embedding = model.encode(texts, convert_to_tensor=True) print(embedding) Burada, torch.no_grad fonksiyonu, geri yayılma sırasında herhangi bir gradientin hesaplanmadığından emin olur. Another, more generic way to generate embeddings using PyTorch: # Load the model model = AutoModel.from_pretrained("sentence-transformers/msmarco-distilbert-base-tas-b") # Get the tokenizer tokenizer = AutoTokenizer.from_pretrained("sentence-transformers/msmarco-distilbert-base-tas-b") # Tokenize input text = ["This is an example sentence"] encoded_input = tokenizer(text, padding=True, truncation=True, return_tensors='pt') # Get embedding of the [CLS] token with torch.no_grad(): outputs = model(**encoded_input, return_dict=True) cls_embedding = outputs.last_hidden_state[:, 0] print(cls_embedding) Bu ve önceki kod parçaları arasındaki fark, kodlama işlevinin açıkça tokenizer ve model kullanılarak değiştirildiğidir. Başka bir farklılık, CLS tokeniyle ilgili vektoru bulmak için outputs.last_hidden_state[:, 0] kullanıyoruz. bu CLS özel token her cümlenin başında her cümleye eklenir ve tüm cümle hakkında birikmiş bilgileri içerir. kodlama yöntemi bunu bizim için otomatik olarak yapar. Bu CLS token ekleme yaklaşımı yalnızca belirli transformatör tabanlı mimariler için geçerlidir ve bu BERT ve onun varyantları ve kodlayıcı tabanlı transformatörleri içerir. Sınıflandırma ve sekans düzeyinde tahmin görevleri Best for: BERT tarzı modellerdeki [CLS] token, önceden eğitimin sırasında tüm sekanstan bilgi toplamak için özel olarak eğitilmiştir. Why they work: When to choose: Şöyle Şöyle Şöyle Şöyle BERT, RoBERTa veya benzer sınıflandırma modellerini kullanırken Tüm bir diziyi temsil eden tek bir vektöre ihtiyacınız olduğunda Aşağıdaki görev tüm metnin bir özelliğini tahmin etmeyi içerdiğinde Kullanılan CLS yöntemi, bir cümle için eklentileri yakalamak için sadece bir yöntemdir. Mean Pooling Tüm token embeddings ortalaması almak birçok görev için şaşırtıcı derecede etkili. ben benzerlik veya arama görevleri için embeddings kullanırken benim gitmek yöntemi. Semantik Benzerlik, Geri Dönüşüm ve Genel Hedef Gösterileri. Best for: Tüm token temsilciliklerinde ortalama olarak, ortalama toplama, toplu semantik içeriği yakalar ve gürültüyü azaltır. Why it works: When to choose: Şöyle Şöyle Şöyle Şöyle Belge benzerliği veya semantik arama uygulamaları için Tek bir token tarafından egemen olmayan güçlü temsillere ihtiyacınız olduğunda Empirik testler diğer yöntemleri aştığını gösterdiğinde (genellikle benzerlik görevleri için yapar) import torch from transformers import AutoTokenizer, AutoModel model_name = "bert-base-uncased" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModel.from_pretrained(model_name) # Tokenize input texts = ["This is an example sentence", "Each sentence becomes a vector"] inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="pt") # Mean pooling with torch.no_grad(): outputs = model(**inputs) # Get attention mask to ignore padding tokens attention_mask = inputs['attention_mask'] # Sum token embeddings and divide by the number of tokens sum_embeddings = torch.sum(outputs.last_hidden_state * attention_mask.unsqueeze(-1), dim=1) count_tokens = torch.sum(attention_mask, dim=1, keepdim=True) mean_embeddings = sum_embeddings / count_tokens print(f"Shape: {mean_embeddings.shape}") # (2, 768) Max Pooling Max toplama, tüm tokenler için her boyut için maksimum değeri alır. metinde nerede görünür olursa olsun önemli özellikleri yakalamak için şaşırtıcı derecede iyi. Özellik algılama ve bilgi çıkarma görevleri Best for: Max toplama, tüm tokenlerde her boyut için en güçlü etkinleştirmeyi seçer, metinde gösterilen yerlere bakılmaksızın en belirgin özellikleri etkili bir şekilde yakalar. Why it works: When to choose: Şöyle Şöyle Şöyle Belirli özellikler frekans veya konumlarından daha önemli olduğunda Belirli kavramların veya varlıkların varlığını ararken Önemli sinyallerin ortalama olarak kaydedilebileceği uzun metinlerle uğraşırken import torch from transformers import AutoTokenizer, AutoModel model_name = "bert-base-uncased" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModel.from_pretrained(model_name) # Tokenize input texts = ["This is an example sentence", "Each sentence becomes a vector"] inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="pt") # Max pooling with torch.no_grad(): outputs = model(**inputs) # Create a mask to ignore padding tokens for max pooling attention_mask = inputs['attention_mask'].unsqueeze(-1) # Replace padding token representations with -inf so they're never selected as max token_embeddings = outputs.last_hidden_state.masked_fill(attention_mask == 0, -1e9) # Take max over token dimension max_embeddings = torch.max(token_embeddings, dim=1)[0] print(f"Shape: {max_embeddings.shape}") # (2, 768) Weighted Mean Pooling Her kelime anlamına eşit katkıda bulunmaz. ağırlaştırılmış toplama yöntemi, konumuna dayanan daha önemli tokenlere daha fazla ağırlık vermeye çalışır (örneğin, daha sonraki tokenlere daha fazla ağırlık verir). Girişlerin farklı bölümlerinin farklı önemi olduğu görevler Best for: Her kelime anlamına eşit katkıda bulunmaz.Büyükleştirilmiş toplama, pozisyonlarına, dikkat notlarına veya diğer alakalı ölçütlere göre belirli işaretleri vurgulamanızı sağlar. Why it works: When to choose: Şöyle Şöyle Şöyle Şöyle Sıralama sırası önemli olduğunda (örneğin, daha sonraki tokenlere daha fazla ağırlık verir) Belirli tokenler doğası gereği daha bilgilendirici olduğunda (örneğin, sözcükler ve sözcükler vs. makaleler) Göreviniz için mantıklı olan belirli bir heuristik öneminiz olduğunda import torch import torch.nn.functional as F from transformers import AutoTokenizer, AutoModel model_name = "bert-base-uncased" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModel.from_pretrained(model_name) # Tokenize input texts = ["This is an example sentence", "Each sentence becomes a vector"] inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="pt") # Weighted mean pooling - more weight to later tokens with torch.no_grad(): outputs = model(**inputs) # Get token embeddings and attention mask token_embeddings = outputs.last_hidden_state attention_mask = inputs['attention_mask'] # Create position-based weights (later positions get higher weights) input_lengths = torch.sum(attention_mask, dim=1).unsqueeze(-1) position_indices = torch.arange(token_embeddings.size(1)).unsqueeze(0).expand_as(attention_mask) position_weights = position_indices.float() / input_lengths.float() position_weights = position_weights * attention_mask # Normalize weights to sum to 1 position_weights = position_weights / torch.sum(position_weights, dim=1, keepdim=True) # Apply weights and sum weighted_embeddings = torch.sum(token_embeddings * position_weights.unsqueeze(-1), dim=1) print(f"Shape: {weighted_embeddings.shape}") # (2, 768) Son Dakika Polonya Son token toplama, yalnızca nihai token temsilini seçerek bir dizi token entegre vektöründen tek bir entegre vektör oluşturma tekniğidir. Autoregresif Modeller ve Sıralı İşleme Best for: GPT gibi sol-doğru modellerde, nihai token, belirli görevler için bilgi zengin hale getirerek, tüm sıralardan toplanan bağlamı içerir. Why it works: When to choose: Şöyle Şöyle Şöyle Şöyle GPT veya diğer yalnızca dekodör modellerini kullanırken Tüm önceki bağlamdan büyük ölçüde bağımlı olan görevlerle çalışırken For text generation or completion tasks import torch from transformers import AutoTokenizer, AutoModel model_name = "bert-base-uncased" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModel.from_pretrained(model_name) # Tokenize input texts = ["This is an example sentence", "Each sentence becomes a vector"] inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="pt") # Last token pooling with torch.no_grad(): outputs = model(**inputs) # Get the last non-padding token for each sequence attention_mask = inputs['attention_mask'] last_token_indices = torch.sum(attention_mask, dim=1) - 1 batch_indices = torch.arange(attention_mask.size(0)) # Extract the last token embedding for each sequence last_token_embeddings = outputs.last_hidden_state[batch_indices, last_token_indices] print(f"Shape: {last_token_embeddings.shape}") # (2, 768) Çok daha fazla yol var ve bu yöntemler aynı zamanda özel yöntemler oluşturmak için birlikte kombine edilebilir.Bu, farklı teknikler kullanılarak eklentileri elde etmek için bir kavram ve temel uygulama olarak eklentileri anlamak için sadece başlangıçtı. Looking Forward: Where Embeddings Are Headed Önceki Önceki yazı: Embeddings Goes Where Giriş alanı (pun intended) gelişmeye devam ediyor: Şöyle Şöyle Şöyle Şöyle Multimodal entegre, metin, görüntü, ses ve video arasındaki engelleri kırıyor. CLIP ve DALL-E gibi modeller, farklı modaliteler arasında paylaşılan bir semantik alan yaratmak için entegre kullanıyor. More efficient architectures like MobileBERT and DistilBERT are making it possible to use powerful embeddings on edge devices with limited resources. Uzman corpora üzerinde önceden eğitilmiş alan özel eklentileri tıp, hukuk ve finans gibi alanlarda en son teknolojiyi teşvik ediyor. Özellikle, daha küçük birimlerden anlamın nasıl inşa edildiğini daha iyi ele alan kompozisyon bilinçli eklentiler hakkında heyecanlıyım, bu da sonunda yalanlama ve kompozisyon cümleleri ile uzun süreli zorlukları çözebilebilir. Final Thoughts Son Düşünceler Girişler sadece başka bir NLP tekniği değildir – makinelerin dilini nasıl anladığını ve işlediğini temel bir değişimdir.Bizi metni istekli semboller olarak ele almaktan insanların sezgisel olarak anladıkları zengin, karmaşık anlam ve ilişkilerin ağını yakalamaya götürdüler. Çalıştığınız NLP görevi ne olursa olsun, muhtemelen düşünceli bir şekilde uygulanan eklentiler daha iyi hale getirebilir. anahtar sadece bunları nasıl oluşturacağınızı değil, farklı yaklaşımları ne zaman ve neden kullanacağınızı anlamaktır. Ve eğer hala metin analizi için kelime çantası veya tek sıcak kodlama kullanıyorsanız... Tüm bu olasılıkların bir dünya sizi bekliyor.