In depth
Les produits, les questions et les politiques sont convertis en vecteurs de haute dimension par un modèle d'embedding. Une requête est convertie de la même manière. La recherche trouve les vecteurs les plus proches dans l'espace. C'est ainsi qu'« un cadeau pour papa » peut retourner des outils, des équipements de grillades ou des écouteurs sans aucun chevauchement de mots-clés.