Alibaba Cloud Model Studio:埋め込み

マルチモーダル埋め込み

このモデルは、ユーザーが入力したテキスト、画像、動画に基づいて連続的なベクトルを生成します。これは、動画分類、画像分類、画像・テキスト検索、テキスト／画像から画像への検索、テキスト／画像から動画への検索などのタスクに適しています。

このインターフェイスでは、単一のテキストセグメント、単一の画像、単一の動画ファイルのアップロードが可能です。また、異なるタイプ（テキスト＋画像など）の組み合わせも許可されます。一部のモデルでは、同一タイプの複数の入力（複数の画像など）もサポートされます。詳細については、特定のモデルの制限事項をご確認ください。

入力制限：

埋め込みディメンションの切り替え

text-embedding-v4、text-embedding-v3、tongyi-embedding-vision-plus、tongyi-embedding-vision-flash、qwen3-vl-embedding はカスタム埋め込みディメンションをサポートしています。高いディメンションほど豊かなセマンティクス情報を保持できますが、ストレージおよび計算コストも増加します。

• 一般的なシナリオ（推奨）: 1024 ディメンションは、パフォーマンスとコストのバランスが最も良く、ほとんどのセマンティック検索タスクに適しています。

• 高精度を要するシナリオ: 高精度が求められるドメインでは、1536 または 2048 ディメンションを選択します。これにより一定の精度向上が得られますが、ストレージおよび計算負荷が大幅に増加します。

• リソースが制約されるシナリオ: コストに敏感なシナリオでは、768 以下のディメンションを選択します。これによりリソース消費が大幅に削減されますが、セマンティクス情報の一部が失われます。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 次の URL はシンガポールリージョン向けです。中国 (北京) リージョンのモデルを使用する場合は、URL を「https://dashscope.aliyuncs.com/compatible-mode/v1」に置き換えてください。
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

resp = client.embeddings.create(
    model="text-embedding-v4",
    input=["気に入りました。今後もここで購入します"],
    # 埋め込みディメンションを 256 に設定
    dimensions=256
)
print(f"埋め込みディメンション: {len(resp.data[0].embedding)}")

import dashscope

# 中国 (北京) リージョンのモデルを使用する場合は、base_url を「https://dashscope.aliyuncs.com/api/v1」に置き換えてください。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

resp = dashscope.TextEmbedding.call(
    model="text-embedding-v4",
    input=["気に入りました。今後もここで購入します"],
    # 埋め込みディメンションを 256 に設定
    dimension=256
)

print(f"埋め込みディメンション: {len(resp.output['embeddings'][0]['embedding'])}")

クエリとドキュメントテキストの区別（text_type）

このパラメーターは、現在 DashScope SDK および API のみで有効化できます。

検索関連タスクで最良の結果を得るためには、異なるタイプのコンテンツを目的に応じて個別に埋め込み処理し、それぞれの役割を十分に活用することが重要です。text_type パラメーターは、この目的のために設計されています。

• text_type: 'query': ユーザーが入力したクエリテキストに使用します。モデルは「見出しのような」ベクトルを生成し、これは方向性が強く、「質問」および「検索」に最適化されています。

• text_type: 'document'（デフォルト）: データベースに保存されたドキュメントテキストに使用します。モデルは「本文のような」ベクトルを生成し、より包括的な情報を含み、「検索対象」として最適化されています。

短いテキストと長いテキストを照合する場合、query と document を明確に区別してください。クラスタリングや分類など、すべてのテキストが同じ役割を持つタスクでは、このパラメーターを設定する必要はありません。

命令による性能向上（instruct）

このパラメーターは、現在 DashScope SDK および API のみで有効化できます。

明確な英語の命令を提供することで、text-embedding-v4 が特定の検索シナリオに最適化されたベクトル品質を実現し、精度を効果的に向上させることができます。この機能を利用する際は、text_type パラメーターを query に設定してください。

# シナリオ：検索エンジン向けのドキュメントベクトルを構築する場合、検索品質を向上させるために命令を追加できます。
resp = dashscope.TextEmbedding.call(
    model="text-embedding-v4",
    input="機械学習に関する研究論文",
    text_type="query",
    instruct="研究論文のクエリを提示し、関連する研究論文を取得します"
)

密ベクトルおよび疎ベクトル

このパラメーターは、現在 DashScope SDK および API のみで有効化できます。

text-embedding-v4 および text-embedding-v3 は、異なる検索戦略のニーズに対応するため、3 種類のベクトル出力をサポートしています。

セマンティック検索

クエリとドキュメントのベクトル間の類似度を計算することで、正確なセマンティックマッチングを実現します。

import dashscope
import numpy as np
from dashscope import TextEmbedding

# 中国 (北京) リージョンのモデルを使用する場合は、base_url を「https://dashscope.aliyuncs.com/api/v1」に置き換えてください。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

def semantic_search(query, documents, top_k=5):
    """セマンティック検索を実行"""
    # クエリベクトルの生成
    query_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=query,
        dimension=1024
    )
    query_embedding = query_resp.output['embeddings'][0]['embedding']

    # ドキュメントベクトルの生成
    doc_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=documents,
        dimension=1024
    )

    # 類似度の計算
    similarities = []
    for i, doc_emb in enumerate(doc_resp.output['embeddings']):
        similarity = cosine_similarity(query_embedding, doc_emb['embedding'])
        similarities.append((i, similarity))

    # 並べ替えと上位 k 個の結果の返却
    similarities.sort(key=lambda x: x[1], reverse=True)
    return [(documents[i], sim) for i, sim in similarities[:top_k]]

# 使用例
documents = [
    "人工知能はコンピュータ科学の一分野です",
    "機械学習は人工知能を実現するための重要な手法です",
    "ディープラーニングは機械学習のサブフィールドです"
]
query = "AI とは何ですか？"
results = semantic_search(query, documents, top_k=2)
for doc, sim in results:
    print(f"類似度: {sim:.3f}, ドキュメント: {doc}")

レコメンデーションシステム

ユーザーの履歴行動から得られたベクトルを分析し、ユーザーの興味を把握して類似アイテムをレコメンデーションします。

import dashscope
import numpy as np
from dashscope import TextEmbedding

# 中国 (北京) リージョンのモデルを使用する場合は、base_url を「https://dashscope.aliyuncs.com/api/v1」に置き換えてください。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))
def build_recommendation_system(user_history, all_items, top_k=10):
    """レコメンデーションシステムを構築"""
    # ユーザー履歴ベクトルの生成
    history_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=user_history,
        dimension=1024
    )

    # ユーザープリファレンスベクトルの計算（平均化）
    user_embedding = np.mean([
        emb['embedding'] for emb in history_resp.output['embeddings']
    ], axis=0)

    # 全アイテムベクトルの生成
    items_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=all_items,
        dimension=1024
    )

    # レコメンデーションスコアの計算
    recommendations = []
    for i, item_emb in enumerate(items_resp.output['embeddings']):
        score = cosine_similarity(user_embedding, item_emb['embedding'])
        recommendations.append((all_items[i], score))

    # 並べ替えとレコメンデーション結果の返却
    recommendations.sort(key=lambda x: x[1], reverse=True)
    return recommendations[:top_k]

# 使用例
user_history = ["SF", "アクション", "サスペンス"]
all_movies = ["未来世界", "宇宙冒険", "古代戦争", "ロマンスの旅", "スーパーヒーロー"]
recommendations = build_recommendation_system(user_history, all_movies)
for movie, score in recommendations:
    print(f"レコメンデーションスコア: {score:.3f}, 映画: {movie}")

テキストクラスタリング

ベクトル間の距離を分析することで、類似したテキストを自動的にグループ化します。

# scikit-learn が必要です：pip install scikit-learn
import dashscope
import numpy as np
from sklearn.cluster import KMeans

# 中国 (北京) リージョンのモデルを使用する場合は、base_url を「https://dashscope.aliyuncs.com/api/v1」に置き換えてください。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cluster_texts(texts, n_clusters=2):
    """テキストのクラスタリングを実行"""
    # 1. すべてのテキストのベクトルを取得
    resp = dashscope.TextEmbedding.call(
        model="text-embedding-v4",
        input=texts,
        dimension=1024
    )
    embeddings = np.array([item['embedding'] for item in resp.output['embeddings']])

    # 2. KMeans アルゴリズムを使用してクラスタリング
    kmeans = KMeans(n_clusters=n_clusters, random_state=0, n_init='auto').fit(embeddings)

    # 3. 結果を整理して返却
    clusters = {i: [] for i in range(n_clusters)}
    for i, label in enumerate(kmeans.labels_):
        clusters[label].append(texts[i])
    return clusters


# 使用例
documents_to_cluster = [
    "携帯電話会社 A が新製品を発表",
    "検索エンジン会社 B が新しいシステムをリリース",
    "ワールドカップ決勝：アルゼンチン vs フランス",
    "オリンピックで中国が金メダルを獲得",
    "ある企業が最新の AI チップを発表",
    "欧州カップ試合レポート"
]
clusters = cluster_texts(documents_to_cluster, n_clusters=2)
for cluster_id, docs in clusters.items():
    print(f"--- クラスター {cluster_id} ---")
    for doc in docs:
        print(f"- {doc}")

テキスト分類

事前にラベル付けされたサンプルを用意せずに、入力テキストと事前に定義されたラベルとのベクトル類似度を計算することで、新しいカテゴリを認識・分類します。

import dashscope
import numpy as np

# 中国 (北京) リージョンのモデルを使用する場合は、base_url を「https://dashscope.aliyuncs.com/api/v1」に置き換えてください。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))


def classify_text_zero_shot(text, labels):
    """ゼロショットテキスト分類を実行"""
    # 1. 入力テキストおよびすべてのラベルのベクトルを取得
    resp = dashscope.TextEmbedding.call(
        model="text-embedding-v4",
        input=[text] + labels,
        dimension=1024
    )
    embeddings = resp.output['embeddings']
    text_embedding = embeddings[0]['embedding']
    label_embeddings = [emb['embedding'] for emb in embeddings[1:]]

    # 2. 各ラベルとの類似度を計算
    scores = [cosine_similarity(text_embedding, label_emb) for label_emb in label_embeddings]

    # 3. 最も類似度の高いラベルを返却
    best_match_index = np.argmax(scores)
    return labels[best_match_index], scores[best_match_index]


# 使用例
text_to_classify = "このドレスの生地は快適で、デザインも素敵です"
possible_labels = ["デジタル製品", "アパレルおよびアクセサリー", "食品および飲料", "ホームおよびリビング"]

label, score = classify_text_zero_shot(text_to_classify, possible_labels)
print(f"入力テキスト: '{text_to_classify}'")
print(f"最も一致するカテゴリ: '{label}'（類似度: {score:.3f}）")

異常検知

テキストベクトルと正常サンプルベクトルの中心との類似度を計算し、正常パターンから大きく逸脱した異常データを特定します。

例コード内のしきい値はあくまでデモンストレーション用です。実際のビジネスシナリオでは、具体的な類似度の値はデータの内容および分布によって異なり、固定値は存在しません。ご自身のデータセットに基づいて、この値を校正してください。

import dashscope
import numpy as np


def cosine_similarity(a, b):
    """余弦類似度を計算"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))


def detect_anomaly(new_comment, normal_comments, threshold=0.6):
    # 1. すべての正常コメントおよび新しいコメントのベクトル化
    all_texts = normal_comments + [new_comment]
    resp = dashscope.TextEmbedding.call(
        model="text-embedding-v4",
        input=all_texts,
        dimension=1024
    )
    embeddings = [item['embedding'] for item in resp.output['embeddings']]

    # 2. 正常コメントの中心ベクトル（平均値）の計算
    normal_embeddings = np.array(embeddings[:-1])
    normal_center_vector = np.mean(normal_embeddings, axis=0)

    # 3. 新しいコメントと中心ベクトルとの類似度の計算
    new_comment_embedding = np.array(embeddings[-1])
    similarity = cosine_similarity(new_comment_embedding, normal_center_vector)

    # 4. 異常かどうかの判定
    is_anomaly = similarity < threshold
    return is_anomaly, similarity


# 使用例
normal_user_comments = [
    "今日のミーティングは成果がありました",
    "プロジェクトは順調に進んでいます",
    "新バージョンは来週リリース予定です",
    "ユーザーからのフィードバックは好意的です"
]

test_comments = {
    "正常なコメント": "この機能は期待通りに動作します",
    "異常 - 文字化け": "asdfghjkl zxcvbnm"
}

print("--- 異常検知の例 ---")
for desc, comment in test_comments.items():
    is_anomaly, score = detect_anomaly(comment, normal_user_comments)
    result = "はい" if is_anomaly else "いいえ"
    print(f"コメント: '{comment}'")
    print(f"異常: {result}（正常サンプルとの類似度: {score:.3f}）\n")