iNgáo

Embedding là gì? Tại sao quan trọng trong AI?

 
  • Jul 07, 2025

Embedding là nền tảng của rất nhiều ứng dụng AI hiện đại: từ tìm kiếm ngữ nghĩa, RAG chatbot, đến gợi ý sản phẩm. Bài này giải thích embedding là gì và cách sử dụng trong thực tế.

1. Embedding là gì?

Embedding là quá trình chuyển đổi dữ liệu (text, ảnh, âm thanh…) thành một vector số thực nhiều chiều mà máy tính có thể xử lý và so sánh.

"Tôi yêu lập trình" → [0.12, -0.45, 0.78, 0.03, ..., 0.91]  (1536 chiều)
"I love coding"      → [0.11, -0.44, 0.79, 0.02, ..., 0.90]  (rất gần nhau!)
"Hà Nội hôm nay mưa" → [0.55, 0.23, -0.67, 0.88, ..., -0.12] (rất khác)

Điểm mấu chốt: Các câu có nghĩa tương đồng sẽ có vector gần nhau trong không gian vector, dù ngôn ngữ khác nhau.

2. Tại sao không dùng tìm kiếm từ khóa thông thường?

Câu hỏi: "Làm thế nào để trả lại hàng?"

Keyword search sẽ tìm:
✅ "Chính sách trả hàng"
❌ "Quy trình hoàn trả đơn hàng"   ← từ khóa khác nhau
❌ "Hướng dẫn đổi/trả sản phẩm"   ← từ khóa khác nhau

Semantic search (embedding) sẽ tìm:
✅ "Chính sách trả hàng"
✅ "Quy trình hoàn trả đơn hàng"   ← hiểu nghĩa tương đồng
✅ "Hướng dẫn đổi/trả sản phẩm"   ← hiểu nghĩa tương đồng

3. Đo độ tương đồng — Cosine Similarity

Hai vector được so sánh bằng Cosine Similarity:

similarity = cos(θ) = (A · B) / (|A| × |B|)
  • Giá trị từ -1 đến 1
  • 1.0 = giống hệt nhau
  • 0.0 = không liên quan
  • -1.0 = đối lập hoàn toàn
function cosineSimilarity(a: number[], b: number[]): number {
  const dot = a.reduce((sum, ai, i) => sum + ai * b[i], 0);
  const magA = Math.sqrt(a.reduce((sum, ai) => sum + ai * ai, 0));
  const magB = Math.sqrt(b.reduce((sum, bi) => sum + bi * bi, 0));
  return dot / (magA * magB);
}

4. Các Embedding Model phổ biến

Model Provider Chiều Ghi chú
text-embedding-3-small OpenAI 1536 Rẻ, nhanh, tốt cho tiếng Anh
text-embedding-3-large OpenAI 3072 Chính xác hơn, đắt hơn
text-embedding-004 Google 768 Hỗ trợ đa ngôn ngữ tốt
multilingual-e5-large Microsoft 1024 Open-source, đa ngôn ngữ
bge-m3 BAAI 1024 Open-source, mạnh cho tiếng Việt

5. Thực hành với OpenAI Embedding

Cài đặt

npm install --save openai

Tạo embedding

import OpenAI from 'openai';

const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

async function createEmbedding(text: string): Promise<number[]> {
  const response = await openai.embeddings.create({
    model: 'text-embedding-3-small',
    input: text,
  });
  return response.data[0].embedding;
}

// Sử dụng
const vector = await createEmbedding('Tôi muốn trả lại sản phẩm');
console.log(vector.length); // 1536

Batch embedding (nhiều text cùng lúc)

async function createEmbeddings(texts: string[]): Promise<number[][]> {
  const response = await openai.embeddings.create({
    model: 'text-embedding-3-small',
    input: texts, // Gửi nhiều text một lần — tiết kiệm API call
  });
  return response.data.map(item => item.embedding);
}

6. Thực hành với Google Gemini Embedding

npm install --save @google/generative-ai

import { GoogleGenerativeAI } from '@google/generative-ai';

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY!);
const model = genAI.getGenerativeModel({ model: 'text-embedding-004' });

async function embedWithGemini(text: string): Promise<number[]> {
  const result = await model.embedContent(text);
  return result.embedding.values;
}

7. Ứng dụng thực tế

Semantic Search đơn giản (không cần Vector DB)

interface Document {
  id: string;
  text: string;
  embedding?: number[];
}

class SimpleSemanticSearch {
  private documents: Document[] = [];

  async addDocument(id: string, text: string) {
    const embedding = await createEmbedding(text);
    this.documents.push({ id, text, embedding });
  }

  async search(query: string, topK = 3): Promise<Document[]> {
    const queryEmbedding = await createEmbedding(query);

    const scored = this.documents.map(doc => ({
      ...doc,
      score: cosineSimilarity(queryEmbedding, doc.embedding!),
    }));

    return scored
      .sort((a, b) => b.score - a.score)
      .slice(0, topK);
  }
}

// Sử dụng
const search = new SimpleSemanticSearch();
await search.addDocument('1', 'Chính sách hoàn tiền trong vòng 30 ngày');
await search.addDocument('2', 'Hướng dẫn đổi trả sản phẩm lỗi');
await search.addDocument('3', 'Cách đặt hàng online');

const results = await search.search('Tôi muốn trả lại hàng');
// → ['1', '2'] với score cao nhất

Phát hiện văn bản trùng lặp

async function findDuplicates(texts: string[], threshold = 0.95) {
  const embeddings = await createEmbeddings(texts);
  const duplicates: Array<[number, number, number]> = [];

  for (let i = 0; i < embeddings.length; i++) {
    for (let j = i + 1; j < embeddings.length; j++) {
      const sim = cosineSimilarity(embeddings[i], embeddings[j]);
      if (sim >= threshold) {
        duplicates.push([i, j, sim]);
      }
    }
  }
  return duplicates;
}

8. Chi phí và tối ưu

Chi phí OpenAI text-embedding-3-small: $0.02 / 1M tokens

  • 1 trang A4 ≈ 500 tokens → embed 1M trang ≈ $20
  • Rất rẻ — thường không phải lo về chi phí

Tối ưu:

  • Cache embedding của tài liệu không đổi — không cần re-embed
  • Batch nhiều text vào một API call
  • Với dữ liệu nhạy cảm, dùng model local (bge-m3, multilingual-e5)

9. Kết luận

Embedding là “ngôn ngữ” mà máy tính dùng để hiểu nghĩa văn bản:

  • Chuyển text → vector để so sánh và tìm kiếm theo nghĩa
  • Cosine Similarity đo độ tương đồng giữa hai vector
  • OpenAI text-embedding-3-small là lựa chọn tốt nhất cho đa số trường hợp
  • Embedding là bước đầu tiên trong pipeline RAG — tạo ra vector rồi lưu vào Vector Database

Bài tiếp theo: Qdrant Vector Database – Cài đặt & Tìm kiếm ngữ nghĩa.

Search