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、テキスト、画像、動画などの入力からベクトル埋め込みを生成します。これらの埋め込みは、動画分類、画像分類、画像・テキスト検索、テキストによる画像検索、テキストによる動画検索などに使用されます。

単一のテキストセグメント、画像、または動画ファイルをアップロードできます。また、API はテキストと画像など、複数の入力タイプの組み合わせもサポートしています。一部のモデルでは、複数の画像など、同一タイプの複数入力もサポートされています。詳細については、各モデルの制限事項をご参照ください。

入力および言語制限

カスタムベクトル次元

text-embedding-v4、text-embedding-v3、tongyi-embedding-vision-plus、tongyi-embedding-vision-flash、qwen3-vl-embedding モデルは、カスタムベクトル次元をサポートしています。次元数が高いほど意味情報がより多く保持されますが、ストレージおよび計算コストも増加します。

• 一般的なユースケース（推奨）：次元数 1024 は、パフォーマンスとコストのバランスが最適であり、ほとんどのセマンティック検索タスクに理想的です。

• 高精度シナリオ：高精度アプリケーションでは、次元数 1536 または 2048 を選択します。これにより精度が向上しますが、ストレージおよび計算負荷が大幅に増加します。

• リソース制約のある環境：コストに敏感なシナリオでは、次元数 768 以下を選択します。これによりリソース消費量が大幅に削減されますが、一部の意味情報が失われる可能性があります。

import os
from openai import OpenAI

client = OpenAI(
    # API キーはリージョンごとに異なります。API キーの取得方法については、「https://www.alibabacloud.com/help/en/model-studio/get-api-key」をご参照ください。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # これはシンガポール向けの URL です。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/compatible-mode/v1」に置き換えます。
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

resp = client.embeddings.create(
    model="text-embedding-v4",
    input=["I like it and will buy from here again"],
    # ベクトル次元を 256 に設定します。
    dimensions=256
)
print(f"ベクトル次元：{len(resp.data[0].embedding)}")

import dashscope

# 中国（北京）リージョン向けのベース URL を使用する場合は、「https://dashscope.aliyuncs.com/api/v1」に置き換えます。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

resp = dashscope.TextEmbedding.call(
    model="text-embedding-v4",
    input=["I like it and will buy from here again"],
    # ベクトル次元を 256 に設定します。
    dimension=256
)

print(f"ベクトル次元：{len(resp.output['embeddings'][0]['embedding'])}")

クエリとドキュメントテキスト（text_type）

このパラメーターは DashScope SDK および API のみで使用可能です。

検索関連タスクで最適な結果を得るには、コンテンツの役割に応じてベクトル化方法を変更する必要があります。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'：ユーザーのクエリテキストに使用します。モデルは「タイトルのような」ベクトルを生成し、より方向性を持ち、「質問」および「検索」に最適化されます。

• text_type: 'document'（デフォルト）：ドキュメントテキスト（ナレッジベースに保存されるテキスト）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、マッチングに最適化されます。

短いテキストと長いテキストを照合する場合、query と document を区別します。ただし、クラスタリングやテキスト分類など、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。

タスク指示（instruct）

このパラメーターは DashScope SDK および API のみで使用可能です。

特定の取得シナリオに応じて、text-embedding-v4 モデルのベクトル品質を最適化するために、明確な英語のタスク指示を提供します。この機能を使用する場合は、text_type パラメーターを query に設定します。

# シナリオ：検索エンジンのドキュメントベクトルを構築する場合、取得品質を最適化するための指示を追加できます。
resp = dashscope.TextEmbedding.call(
    model="text-embedding-v4",
    input="Research papers on machine learning",
    text_type="query",
    instruct="Given a research paper query, retrieve relevant research paper"
)

密ベクトルおよび疎ベクトル

このパラメーターは DashScope SDK および API のみで使用可能です。

text-embedding-v4 および text-embedding-v3 モデルは、異なる取得戦略に対応する 3 種類のベクトル出力タイプ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埋め込み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」に置き換えます。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算します。"""
    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します。"""
    # クエリの埋め込みを生成します。
    query_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=query,
        dimension=1024
    )
    query_embedding = query_resp.output['embeddings'][0]['embedding']

    # ドキュメントの埋め込みを生成します。
    doc_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=documents,
        dimension=1024
    )

    # 類似度を計算します。
    similarities = []
    for i, doc_emb in enumerate(doc_resp.output['embeddings']):
        similarity = cosine_similarity(query_embedding, doc_emb['embedding'])
        similarities.append((i, similarity))

    # 類似度順に並べ替え、上位 k 個の結果を返します。
    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ーサイエンスの一分野です",
    "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

ユーザーの行動履歴の埋め込みを分析し、興味を特定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」に置き換えます。
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算します。"""
    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します。"""
    # ユーザー履歴の埋め込みを生成します。
    history_resp = TextEmbedding.call(
        model="text-embedding-v4",
        input=user_history,
        dimension=1024
    )

    # ユーザープリファレンスの埋め込み（平均化）を計算します。
    user_embedding = np.mean([
        emb['embedding'] for emb in history_resp.output['embeddings']
    ], axis=0)

    # 全アイテムの埋め込みを生成します。
    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を計算します。
    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))

    # スコア順に並べ替え、レコメンデーション結果を返します。
    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

埋め込み間の距離を分析することにより、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」に置き換えます。
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します。"""
    # 1. すべてのテキストの埋め込みを取得します。
    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します。
    kmeans = KMeans(n_clusters=n_clusters, random_state=0, n_init='auto').fit(embeddings)

    # 3. 結果を整理して返します。
    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",
    "中国がオリンピックで金メダルを獲得",
    "企業が最新の AI チップをリリース",
    "ヨーロッパ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

入力テキストと事前定義されたラベルとの埋め込み類似度を計算することで、ゼロショットテキスト分類を実行します。このアプローチでは、事前にラベル付けされた例を用意せずに、新しいカテゴリへの分類が可能です。

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 を以下に置き換えます：https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """余弦類似度を計算します。"""
    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します。"""
    # 1. 入力テキストおよびすべてのラベルの埋め込みを取得します。
    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します。
    scores = [cosine_similarity(text_embedding, label_emb) for label_emb in label_embeddings]

    # 3. 最も高い類似度を持つラベルを返します。
    best_match_index = np.argmax(scores)
    return labels[best_match_index], scores[best_match_index]


# 使用例
text_to_classify = "The fabric of this dress is comfortable and the style is nice"
possible_labels = ["Digital Products", "Apparel & Accessories", "Food & Beverage", "Home & Living"]

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

正常なサンプルの中心埋め込みと比較して、対象データの埋め込み類似度を計算することで異常を検出します。類似度スコアが低い場合、異常と判定されます。

サンプルコード内の threshold はデモンストレーション専用です。本番環境では、データの内容および分布に応じて類似度スコアが変動するため、汎用的なしきい値は存在しません。ご自身のデータセットでこの値を校正してください。

import dashscope
import numpy as np


def cosine_similarity(a, b):
    """余弦類似度を計算します。"""
    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埋め込みを生成します。
    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埋め込み（平均）を計算します。
    normal_embeddings = np.array(embeddings[:-1])
    normal_center_vector = np.mean(normal_embeddings, axis=0)

    # 3. 新しいコメントの埋め込みと中心埋め込みの類似度を計算します。
    new_comment_embedding = np.array(embeddings[-1])
    similarity = cosine_similarity(new_comment_embedding, normal_center_vector)

    # 4. 異常かどうかを判定します。
    is_anomaly = similarity < threshold
    return is_anomaly, similarity


# 使用例
normal_user_comments = [
    "本日のミーティングは成果を上げました",
    "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 = {
    "通常のコメント": "この機能は期待通りに動作しています",
    "異常 - 意味のない文字化け": "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")