임베딩은 원본 입력보다 차원이 적을 수도 있고 많을 수도 있습니다. 예를 들어 임베딩을 극단적으로 사용하면 그림 1-2와 같이 시각화와 군집(clustering)을 위해 데이터를 조밀하고 연속적인 2차원 표현으로 인코딩할 수 있습니다.

▲ 그림 1-2 2차원 특성 공간(feature space)에 매핑된 단어(왼쪽)와 이미지(오른쪽)

임베딩의 기본 속성은 거리(distance)나 유사도(similarity)를 인코딩하는 것입니다. 이는 비슷한 입력이 임베딩 공간에서 가까이 놓이도록 데이터의 의미를 포착한다는 의미입니다.