التشابه الدلالي وتضمينات الجمل
Sentence-BERT والتشابه الجيبي للبحث الدلالي وتجميع التضمينات
التشابه الدلالي وتضمينات الجمل درس مجاني في Learn AI with Python على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Learn AI with Python، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Learn AI with Python 4 دروس في المجموع.
جمل، لا كلمات فقط
تمثّل تضمينات الكلمات الكلمات، لكننا نحتاج غالبًا إلى مقارنة الجمل أو المستندات بأكملها. ويؤدي حساب متوسط متجهات الكلمات إلى فقدان بعض التفاصيل؛ فنحن نريد متجهًا واحدًا يلتقط المعنى الكامل.
ما تضمينات الجمل
تحوّل تضمينات الجمل الجملة بأكملها إلى متجه كثيف واحد، بحيث تكون المتجهات الخاصة بالجمل ذات المعنى المتشابه متقاربة، مما يتيح البحث الدلالي والتجميع.
مكتبة sentence-transformers
تجعل مكتبة sentence-transformers هذه العملية سهلة. فهي تهيّئ نماذج Transformer مضبوطة بدقة تنتج متجهات عالية الجودة للجمل مباشرةً.
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("all-MiniLM-L6-v2")لماذا all-MiniLM-L6-v2
يُعد all-MiniLM-L6-v2 خيارًا افتراضيًا شائعًا: فهو صغير وسريع ودقيق، وينتج متجهات ذات 384 بُعدًا. كما يوازن جيدًا بين السرعة والجودة في معظم التطبيقات.
ترميز الجمل
تحوّل model.encode قائمةً من الجمل إلى مصفوفة من التضمينات، بحيث يمثل كل صف جملةً واحدة.
sentences = [
"The cat sits on the mat.",
"A feline rests on the rug.",
"I am learning machine learning.",
]
embeddings = model.encode(sentences)
print(embeddings.shape) # (3, 384)قياس التشابه
يقيس تشابه جيب التمام الزاوية بين متجهين، متجاهلًا المقدار. وتشير القيم القريبة من 1 إلى معنى متشابه جدًا، بينما تشير القيم القريبة من 0 إلى عدم وجود علاقة.
from sentence_transformers import util
sim = util.cos_sim(embeddings[0], embeddings[1])
print(sim.item()) # high, both about a cat restingاستخدام sklearn cosine_similarity
يمكنكم أيضًا استخدام scikit-learn مباشرةً مع مصفوفة التضمينات للحصول على مصفوفة تشابه كاملة بين كل زوج من العناصر.
from sklearn.metrics.pairwise import cosine_similarity
matrix = cosine_similarity(embeddings)
print(matrix) # (3, 3) pairwise similaritiesفكرة البحث الدلالي
يعثر البحث الدلالي على المستندات استنادًا إلى المعنى، لا إلى الكلمات المفتاحية. قم بترميز الاستعلام وجميع المستندات، ثم رتّب المستندات حسب تشابه جيب التمام مع متجه الاستعلام.
مثال على البحث الدلالي
قم بترميز مجموعة النصوص مرةً واحدة، ثم احسب أوجه التشابه لكل استعلام وأعِد النتائج الأكثر تطابقًا.
from sentence_transformers import util
corpus = ["How to reset my password", "Refund policy details", "Track my order"]
corpus_emb = model.encode(corpus)
query_emb = model.encode("I forgot my login")
hits = util.semantic_search(query_emb, corpus_emb, top_k=2)
print(hits)تطبيقات من العالم الحقيقي
تدعم تضمينات الجمل مطابقة الأسئلة الشائعة، واكتشاف التكرارات، والتجميع، والتوصية، وخطوة الاسترجاع في أنظمة RAG التي توفّر سياقًا ذا صلة لنماذج اللغة الكبيرة.
نصائح للحصول على نتائج جيدة
اختَر نموذجًا مدرّبًا لمهمتك، سواء أكانت بحثًا دلاليًا أم إعادة صياغة. طبّع التضمينات إذا كان مقياس التشابه الذي تستخدمه يتطلب ذلك، واستخدم قاعدة بيانات متجهات في مجموعات النصوص الكبيرة لإجراء بحث سريع عن أقرب الجيران.
اختبار سريع
اختبروا معرفتكم بتضمينات الجمل.
مراجعة
مراجعة: ترمّز تضمينات الجمل الجمل بأكملها في صورة متجهات. استخدموا SentenceTransformer("all-MiniLM-L6-v2") وmodel.encode(sentences)، ثم قارنوا بينها باستخدام تشابه جيب التمام. وتدعم هذه العملية البحث الدلالي: إذ ترمّزون الاستعلام ومجموعة النصوص، ثم ترتّبون النتائج حسب التشابه. وهي أساسية لمطابقة الأسئلة الشائعة والتجميع واسترجاع RAG.
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 53
- الدروس
- 225
الأسئلة الشائعة
هل درس «التشابه الدلالي وتضمينات الجمل» مجاني؟
نعم — نص درس «التشابه الدلالي وتضمينات الجمل» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Learn AI with Python، انتقل إلى CoddyKit PRO. تتضمن دورة Learn AI with Python 4 دروس في المجموع.
ماذا ستتعلم في «التشابه الدلالي وتضمينات الجمل»؟
Sentence-BERT والتشابه الجيبي للبحث الدلالي وتجميع التضمينات تتمرن على Learn AI with Python مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Learn AI with Python؟
لا تُشترط خبرة سابقة. Learn AI with Python على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.
كم من الوقت يستغرق درس «التشابه الدلالي وتضمينات الجمل»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Learn AI with Python هذا؟
نعم. كل درس في Learn AI with Python يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- Word2Vec: Skip-gram وCBOW
- تضمينات GloVe وFastText
- تصنيف النصوص باستخدام BERT
- التشابه الدلالي وتضمينات الجمل