Embedding Explorer 로딩 중...
이 도구가 못 하는 것
- Mock 은 실제 임베딩이 아닙니다. TF-IDF 에 무작위 사영을 건 근사라 모델별 성질을 재현하지 않습니다.
- Real 은 gemini-embedding-001 768차원 하나뿐이라 모델 비교 탭이 열리지 않습니다.
- 차원 축소로 그린 그림은 보기 위한 것입니다. 그림에서 가까워 보여도 원래 공간에서 가깝다는 뜻은 아닙니다.
- 점수는 서버에 남지 않습니다.
이 시뮬레이터가 무엇을 하는가기능 · 개념 · 연계 주차
유사도 계산·비교 분석 — 두 텍스트의 임베딩 코사인 유사도를 직접 계산해 의미 거리를 수치로 비교합니다.
01
임베딩 변환
텍스트를 고차원 벡터(768차원)로 변환하는 과정을 단계별로 시각화합니다.
02
유사도 매트릭스
청크 간 의미적 유사도를 코사인 유사도 히트맵으로 시각화합니다.
03
모델 비교
여러 임베딩 모델의 차원·특성 차이를 비교 분석합니다.
04
쿼리 검색
질문과 가장 관련 높은 청크를 찾는 검색 과정을 체험합니다.
임베딩이란?
임베딩(Embedding)은 텍스트 등의 데이터를 고정 크기의 숫자 벡터로 변환하는 기술입니다. 의미가 유사한 텍스트는 벡터 공간에서 가까운 위치에 배치되어, 이를 이용해 유사도 비교·검색·클러스터링을 수행할 수 있습니다.
- gemini-embedding-001(768차원) 실제 임베딩 또는 Mock 모드로 즉시 체험
- 코사인 유사도: 두 벡터 사이의 각도로 의미적 유사도 측정
- RAG Lab 시리즈의 두 번째 도구 — 청크 분할 다음 단계인 벡터화 실습
써 보신 분만 아는 것이 있습니다
쓰다가 막힌 곳이나 현장과 다른 점을 알려주시면 다음 버전에 반영합니다. 보내주신 분께는 9월 추첨으로 스타벅스 쿠폰을 드립니다.