Dans cette série, nous étudions la mise en œuvre d'un index vectoriel construit à partir du contenu des pages Notion de notre entreprise qui nous permet non seulement de rechercher des informations pertinentes, mais également de permettre à un modèle de langage de répondre directement à nos questions avec Notion comme élément. base de connaissances. Dans cet article, nous nous concentrerons sur la théorie des plongements vectoriels.
Les nombres, les vecteurs et les graphiques sont des données réelles, sauf indication contraire.
Notion, avec sa flexibilité infinie, est parfait pour conserver des notes non structurées, des bases de données structurées et tout le reste. Grâce à cette flexibilité, ajouter des éléments est facile. C'est si simple en fait que nous ajoutons, et ajoutons, et ajoutons, puis ajoutons encore jusqu'à ce que nous ayons 5000 pages de notes de réunion, de notes temporaires et de Dieu sait quelles notes. Avez-vous ce problème dans votre entreprise ? Des dizaines de milliers de pages dans Notion, créées par des dizaines de personnes ayant des idées différentes sur la dénomination et la structuration des données. Vous ajoutez régulièrement de nouvelles pages juste pour éviter que des choses ne se perdent et puis… elles sont perdues. Vous essayez de rechercher quelque chose et vous obtenez des pages qui sont en quelque sorte sur le sujet, mais ne répondez pas à la question, des éléments complètement sans rapport, une note aléatoire de 2016 et une page vide pour bonne mesure. Notion fonctionne vraiment de manière mystérieuse.
Nous pouvons diviser les entreprises en deux groupes : celles avant leur tentative ratée de réorganisation de Notion et celles après. Nous pouvons essayer de le nettoyer, de le réorganiser et d'ajouter des balises, mais essayer de nettoyer des milliers de pages, avec de nouvelles ajoutées quotidiennement, est voué à l'échec. Nous avons donc décidé de résoudre ce problème grâce à la puissance des réseaux de neurones. Notre objectif était de créer un index distinct qui nous permettrait de rechercher efficacement toute...
[Courte citation de 8% de l'article original]