Představte si, že chcete počítači vysvětlit význam slov. Místo abyste mu dávali definice, přiřadíte každému slovu sadu čísel, jakési souřadnice. Slova s podobným významem, jako „pes“ a „štěně“, dostanou podobné souřadnice a budou v pomyslném prostoru blízko sebe. Naopak slova jako „pes“ a „auto“ budou mít souřadnice velmi odlišné a budou od sebe daleko. Právě tato sada čísel, neboli souřadnic, se nazývá embedding. Počítač tak dokáže lépe pochopit vztahy mezi slovy a pracovat s jejich významem, i když sám nerozumí jazyku jako člověk.
Embedding (vnoření) představuje v oblasti strojového učení numerickou reprezentaci kategorických dat ve formě hustého vektoru s plovoucí desetinnou čárkou. Na rozdíl od řídkých reprezentací, jako je one-hot encoding, embedding zachycuje sémantické vztahy mezi jednotlivými kategoriemi. Vektory podobných pojmů jsou si v tomto vícerozměrném prostoru blíže. Například slova „král“ a „královna“ budou mít podobné vektorové reprezentace. Tato technika umožňuje neuronovým sítím efektivněji zpracovávat a generalizovat informace z diskrétních vstupů, jako jsou slova v textu nebo položky v katalogu. Embeddingy jsou typicky naučeny během trénovacího procesu modelu na velkém množství dat.