1 of 12

Transformando Dados em Inteligência:

como gerar embeddings pode te ajudar a extrair informação de chunks de textos

Nikolly Amancio

Gustavo Jesus

Confidential – Oracle Internal

2 of 12

Cloud Solution Engineer

gustavo.de.jesus@oracle.com

in/gustavo-almeida-679773213/

AI Engenieer

nikolly.amancio@oracle.com

in/nikolly-lourenco-amancio

💼

✉️

💼

✉️

Gustavo Almeida

Nikolly Amancio

👤

Confidential – Oracle Internal

3 of 12

como gerar embeddings pode te ajudar a extrair informação de chunks de textos?

Confidential – Oracle Internal

4 of 12

como gerar vetores pode te ajudar a extrair informação de partes de textos?

Confidential – Oracle Internal

5 of 12

vector = [0,-2,...4]

Vetores

Um vetor é uma estrutura matemática com um tamanho e uma direção.

Como funciona?

🧠

Cada vetor é um ponto em um

espaço n-dimensional

A distância entre vetores determina o

grau de similaridade semântica

Clusters de vetores indicam que aqueles dados/textos compartilham

significado semelhante

Confidential – Oracle Internal

Vetores de embedding são representações em espaços de alta dimensionalidade.

Mas… o que isso quer dizer, né? A gente ouve falar em “dimensão”, mas nem sempre para pra pensar.

Por exemplo: o modelo da OpenAI, o ChatGPT, trabalha com 1.536 dimensões.

Isso significa que cada vetor que ele usa pra representar uma palavra, frase ou conceito é feito de 1.536 números.

E esses números — cada um deles — carrega uma parte do significado.

Juntos, eles formam um tipo de retrato matemático da ideia.

Quando o modelo quer saber se duas ideias são parecidas, ele compara a distância entre os vetores.

Se estão perto, é porque compartilham alguma coisa em comum. E como o modelo calcula isso? Uma das formas é o cosine similarity

Se estão longe… é porque estão falando de mundos diferentes.

6 of 12

Modelos populares produzem vetores de tamanhos distintos.

(ex.: Cohere, OpenAI, MiniLM)

Confidential – Oracle Internal

7 of 12

0.6	-0.2	0.8	0.9	-0.1	-0.9	-0.7

0.7	0.1	0.8	0.7	0.1	-0.5	-0.4

0.5	-0.4	0.7	-0.8	0.9	-0.7	-0.6

0.5	-0.1	0.7	-0.9	0.8	-0.5	-0.9

Embeddings

Embeddings vetoriais são representações matemáticas de pontos de dados

Homem

Mulher

Rei

Rainha

Ser vivo

Felino

Humano

Genero

Realeza

Verbo

Plural

Mulher

Rainha

Rei

Homem

Confidential – Oracle Internal

8 of 12

Confidential – Oracle Internal

9 of 12

Metricas de distâncias vetoriais

Algoritmo	Tipo de medida	Característica principal	Utilidade
Cosseno	Ângulo entre vetores	Direção importa, não o tamanho	Captar contexto de textos
Manhattan	Diferença absoluta	Caminho em "grade"	Reconhecimento de padrões em imagens
Hamming	Posições diferentes	Binário, usado em strings codificadas	Reconhecimento facial

Confidential – Oracle Internal

10 of 12

AI Vector in autonomous 23ai

Confidential – Oracle Internal

11 of 12

Vector data type

Confidential – Oracle Internal

O que é? Então, esse tipo de dado foi introduzido no Oracle Database 23ai . E ele permite que você armazene embeddings vetoriais junto com outros dados comerciais .

Esse tipo de dado foi introduzido no Oracle Database 23ai e marca um avanço importante. Agora, é possível armazenar embeddings vetoriais diretamente dentro do banco de dados, junto com dados comerciais tradicionais. Isso significa que você pode integrar inteligência semântica — como similaridade de texto — com os dados de negócio que já estão estruturados no sistema

Na prática, isso facilita muito o desenvolvimento de aplicações mais inteligentes, como buscas semânticas, chatbots contextuais e sistemas de recomendação — tudo isso diretamente no banco de dados, sem precisar de estruturas externas para trabalhar com vetores

12 of 12

IN CODE...

Confidential – Oracle Internal