0Pricing
NLP Academy · Lektion

Dokumente aufteilen und Embeddings erstellen

Eine durchsuchbare Wissensbasis vorbereiten

Dokumente aufteilen und Embeddings erstellen ist eine kostenlose NLP Academy-Lektion auf CoddyKit. Dies ist Lektion 2 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des NLP Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

Documents Are Too Big to Search Whole

A long PDF holds many topics at once. To retrieve precisely, you first split it into smaller pieces called chunks.

What Makes a Good Chunk

A good chunk is one coherent thought: a paragraph or two. Too big buries the answer; too small loses the surrounding context.

Splitting by Size

The simplest method cuts text every fixed number of characters or tokens. It is quick but can slice a sentence in half.

chunks = [text[i:i+500] for i in range(0, len(text), 500)]

Overlapping Chunks

To avoid cutting an idea apart, let chunks share an overlap. Repeating the last lines keeps context flowing across boundaries.

Splitting on Structure

Smarter splitters break on paragraphs or headings first. Respecting structure keeps each chunk on a single, clean topic.

From Text to Vectors

Search needs numbers, not words. An embedding turns each chunk into a dense vector that captures its meaning.

Meaning Lives in Distance

Embeddings place similar text close together. Two chunks about the same idea sit near each other in vector space.

Calling an Embedding Model

You pass text to an embedding model and get back a list of floats. The same model must encode both chunks and queries.

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("all-MiniLM-L6-v2")

Encoding Your Chunks

Run every chunk through the model to build its vector. One call can encode the whole list at once for speed.

vectors = model.encode(chunks)

Vector Dimensions

Each vector has a fixed length, its dimension. A small model may give 384 numbers; larger ones give 768 or more.

print(vectors.shape)  # (n_chunks, 384)

Store Chunk and Vector Together

Keep each vector linked to its original text and source. Later you retrieve by vector but show the human-readable chunk.

Quick Check

Consider why we add overlap when splitting documents.

Recap

You split documents into chunks, optionally overlapping, then embed each into a vector. Store text and vector together for retrieval. ✅

Häufig gestellte Fragen

Ist die Lektion „Dokumente aufteilen und Embeddings erstellen“ kostenlos?

Ja — der vollständige Text von „Dokumente aufteilen und Embeddings erstellen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des NLP Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Dokumente aufteilen und Embeddings erstellen“?

Eine durchsuchbare Wissensbasis vorbereiten Du übst NLP Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um NLP Academy zu starten?

Keine Vorkenntnisse erforderlich. NLP Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 2 von 4.

Wie lange dauert die Lektion „Dokumente aufteilen und Embeddings erstellen“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser NLP Academy-Lektion Code schreiben und ausführen?

Ja. Jede NLP Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Warum LLMs Retrieval benötigen
  2. Dokumente aufteilen und Embeddings erstellen
  3. Vektorsuche mit einem Vector Store
  4. Retrieval in den Prompt einbinden
← Zurück zu NLP Academy