埋め込み（エンベディング）

埋め込み（エンベディング）は、文章や単語などのデータを、意味を反映した数値の並び（ベクトル）に変えたものです。意味の近いデータどうしは、ベクトルの空間の中で距離が近くなります。

埋め込みを作るモデルを、埋め込みモデルと呼びます。2つの埋め込みの近さは、コサイン類似度（2つのベクトルの角度をもとにした尺度）などで測ります。RAG では、文書のチャンクと質問の両方を埋め込みに変え、近いものを探します。

2013年の Mikolov ほかの論文「Efficient Estimation of Word Representations in Vector Space」は、大量の文章から単語の連続値のベクトルを学習する方法を示しました。論文は、単語の意味と文法の上での近さを測る課題で、この方法を評価しました。

読み

うめこみ

英語

Embedding

業界

製造業、教育機関

業務

AI 活用

出典の確認日

2026年10月7日

「気になる」に追加用語集の一覧へ

関係する用語

• ベクトル検索：ベクトル検索は、文書と質問をそれぞれ埋め込み（数値のベクトル）に変え、質問のベクトルに近いベクトルを持つ文書を探す検索の方法です…
• ベクトルデータベース：ベクトルデータベースは、埋め込み（データを数値のベクトルで表したもの）を保存し、管理し、近いベクトルを検索するためのデータベース…
• セマンティック検索：セマンティック検索は、語の文字の一致ではなく、質問と文書の意味の近さをもとに結果を探す検索の方法です。文章を埋め込みに変えて近さ…
• RAG（検索拡張生成）：RAG（Retrieval-Augmented Generation。検索拡張生成）は、質問に関係する文書を検索で探し、その内容…

出典

• Microsoft Learn: Develop a RAG Solution - Generate Embeddings Phase（2026年6月18日更新）（別のタブで開きます）
• Microsoft Learn: Integrated vector database - Azure Cosmos DB（2026年5月22日更新）（別のタブで開きます）
• Mikolov ほか「Efficient Estimation of Word Representations in Vector Space」（arXiv:1301.3781、2013年1月16日）（別のタブで開きます）