개요

Casibase에서는 벡터가 핵심 강점 중 하나입니다. 벡터 기술은 지식 표현 및 검색에 핵심적인 역할을 하며, 텍스트와 이미지 등의 데이터를 밀집 벡터로 변환하는 스토어 기능과 결합하여, Casibase가 효율적인 유사도 검색 및 데이터 분석을 가능하게 합니다.

벡터의 정의에 대한 정보는 이전 문서의 핵심 개념 섹션을 참조하세요.

Casibase에서의 벡터 기술 적용

지식 임베딩

사용자는 다양한 형식 (예: TXT, Markdown, Docx, PDF 등)의 파일을 업로드할 수 있습니다 그리고 임베딩 방법 (예: Word2Vec, GloVe, BERT 등)을 선택할 수 있습니다 지식과 해당 벡터를 생성합니다. 이러한 벡터는 빠른 검색 및 쿼리를 위해 벡터 데이터베이스에 저장됩니다.

유사도 검색

Casibase는 지식을 벡터로 변환하여 벡터 데이터베이스에 저장합니다. 이 벡터 표현은 강력한 유사도 검색 기능을 지원하여, 사용자가 문맥이나 내용을 기반으로 관련 정보를 빠르게 찾을 수 있도록 합니다.

When you chat with a knowledge base, the system automatically finds and ranks the most relevant document fragments based on semantic similarity. Each chat response includes a knowledge sources button that shows exactly which parts of your documents were used to generate the answer, along with relevance scores displayed as percentages. This transparency helps you understand and verify the AI's reasoning while providing quick access to source materials.