Alibaba Cloud Model Studio:Embedding

マルチモーダル埋め込み

このモデルは、テキスト、画像、または動画の入力から埋め込みを生成します。これらの埋め込みは、動画や画像の分類、画像とテキストの検索、テキストから画像またはテキストから動画への検索などのタスクに使用できます。

API は、単一のテキスト、画像、または動画の入力、およびテキストと画像のような組み合わせを受け入れます。一部のモデルは、複数の画像など、同じタイプの複数の入力をサポートします。詳細については、各モデルの制限事項をご参照ください。

入力と言語の制限

ベクトル次元のカスタマイズ

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。次元が高いほど多くのセマンティック情報が保持されますが、ストレージと計算コストが増加します。

• 一般的なユースケース (推奨)：1024 の次元は、パフォーマンスとコストの最適なバランスを提供し、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：高精度が要求されるアプリケーションでは、1536 または 2048 の次元を選択できます。これにより精度は向上しますが、ストレージと計算のオーバーヘッド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、768 以下の次元を選択します。これにより、一部のセマンティック情報が失われる代わりに、リソース消費が大幅に削減されます。

import os
from openai import OpenAI

client = OpenAI(
    # API キーはリージョン固有です。API キーを取得するには、https://www.alibabacloud.com/help/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リージョンのベース URL です。{WorkspaceId} をご利用のワークスペース ID に置き換えてください。URL はリージョン固有です。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.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
    dimensions=256
)
print(f"Vector dimension: {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_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に置き換えてください
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.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
    dimension=256
)

print(f"Vector dimension: {len(resp.output['embeddings'][0]['embedding'])}")

クエリ vs. 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 を通じてのみ利用可能です。

検索タスクで最適な結果を得るには、コンテンツの役割に基づいてベクトル化を区別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'：ユーザーが提供するクエリテキストに使用します。モデルは、情報検索に最適化された、より指向性の高い「タイトル風」のベクトルを生成します。

• text_type: 'document' (デフォルト)：ナレッジベースに保存されているドキュメントテキストに使用します。モデルは、より包括的な情報を含み、マッチングに最適化された「本文風」のベクトルを生成します。

短いテキストと長いテキストを照合する場合、query と document を区別する必要があります。ただし、すべてのテキストが同じ役割を持つクラスタリングや分類などのタスクでは、このパラメーターを設定する必要はありません。

タスク命令 (instruct)

このパラメーターは、DashScope SDK および API を通じてのみ利用可能です。

明確な英語のタスク命令を提供することで、text-embedding-v4 モデルを特定の検索シナリオに合わせてベクトル品質を最適化し、精度を向上させることができます。この機能を使用する場合、text_type パラメーターを query に設定する必要があります。

# 例: ドキュメントベクトルを構築する際に、検索品質を最適化するための命令を追加します。
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"
)

密ベクトルと疎ベクトル

このパラメーターは、DashScope SDK および API を通じてのみ利用可能です。

text-embedding-v4 および text-embedding-v3 モデルは、さまざまな検索戦略に対応するために 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

クエリ埋め込みとドキュメント埋め込みの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行します。

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には、base_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に変更してください
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """コサイン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))

    # 上位 k 件の結果をソートして返します。
    similarities.sort(key=lambda x: x[1], reverse=True)
    return [(documents[i], sim) for i, sim in similarities[:top_k]]

# 使用例
documents = [
    "Artificial intelligence is a branch of computer science",
    "Machine learning is an important method for achieving artificial intelligence",
    "Deep learning is a subfield of machine learning"
]
query = "What is AI?"
results = semantic_search(query, documents, top_k=2)
for doc, sim in results:
    print(f"Similarity: {sim:.3f}, Document: {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て興味を特定し、類似のアイテムを推奨します。

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には、base_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に変更してください
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """コサイン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
    )

    # 平均化によってユーザーの嗜好埋め込みを計算します。
    user_embedding = np.mean([
        emb['embedding'] for emb in history_resp.output['embeddings']
    ], axis=0)

    # すべての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))

    # レコメンデーション結果をソートして返します。
    recommendations.sort(key=lambda x: x[1], reverse=True)
    return recommendations[:top_k]

# 使用例
user_history = ["Science Fiction", "Action", "Suspense"]
all_movies = ["Future World", "Space Adventure", "Ancient War", "Romantic Journey", "Superhero"]
recommendations = build_recommendation_system(user_history, all_movies)
for movie, score in recommendations:
    print(f"Recommendation Score: {score:.3f}, Movie: {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で、類似のテキストをグループ化します。

# 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には、base_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に変更してください
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

def cluster_texts(texts, n_clusters=2):
    """テキストのセットをクラスタリングします。"""
    # 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を行います。
    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 = [
    "Mobile phone company A releases a new phone",
    "Search engine company B launches a new system",
    "World Cup final: Argentina vs. France",
    "China wins another gold medal at the Olympics",
    "A company releases its latest AI chip",
    "European Cup match report"
]
clusters = cluster_texts(documents_to_cluster, n_clusters=2)
for cluster_id, docs in clusters.items():
    print(f"--- Cluster {cluster_id} ---")
    for doc in docs:
        print(f"- {doc}")

テキスト分類

入力テキストの埋め込みと事前定義されたラベル埋め込みの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。このプロセスは、事前にラベル付けされた例を必要とせずに、テキストを新しいカテゴリに分類します。

import dashscope
import numpy as np

# 中国 (北京) リージョンのモデルを使用するには、base_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に変更してください
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

def cosine_similarity(a, b):
    """コサイン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. 入力テキストと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. 最も類似度の高いラベルを返します。
    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 too"
possible_labels = ["Digital Products", "Apparel & Accessories", "Food & Beverage", "Home & Living"]

label, score = classify_text_zero_shot(text_to_classify, possible_labels)
print(f"Input text: '{text_to_classify}'")
print(f"Best matching category: '{label}' (Similarity: {score:.3f})")

異常検知

テキストの埋め込みと正常サンプルの中心埋め込みとの類似度を計算することで、異常データを特定します。このパターンから著しく逸脱するデータは異常と見なされます。

例の threshold はデモンストレーション目的です。理想的な値はデータの内容と分布によって異なるため、独自のデータセットを使用して調整する必要があります。

import dashscope
import numpy as np

# 中国 (北京) リージョンのモデルを使用するには、base_http_api_url を https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1 に変更してください
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"


def cosine_similarity(a, b):
    """コサイン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. すべての正常なコメントと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. 正常な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. 異常かどうかを判断します。
    is_anomaly = similarity < threshold
    return is_anomaly, similarity


# 使用例
normal_user_comments = [
    "Today's meeting was productive",
    "The project is progressing smoothly",
    "The new version will be released next week",
    "User feedback is positive"
]

test_comments = {
    "Normal comment": "The feature works as expected",
    "Anomaly - meaningless garbled text": "asdfghjkl zxcvbnm"
}

print("--- Anomaly Detection Example ---")
for desc, comment in test_comments.items():
    is_anomaly, score = detect_anomaly(comment, normal_user_comments)
    result = "Yes" if is_anomaly else "No"
    print(f"Comment: '{comment}'")
    print(f"Is anomaly: {result} (Similarity to normal samples: {score:.3f})\n")