Что такое FastText и как он решает проблему OOV?

FastText — это библиотека и модель от Facebook для обучения векторных представлений слов и классификации текста. В отличие от классических моделей, которые рассматривают слово как неделимую единицу, FastText разбивает слова на набор подслов (n-грамм символов). Это позволяет модели учитывать морфологию и внутреннюю структуру слов.

Проблема OOV (Out-Of-Vocabulary) возникает, когда в тестовых данных встречаются слова, которых не было в обучающей выборке. FastText решает эту проблему за счёт того, что вектор слова строится как сумма векторов его подслов. Таким образом, даже если слово новое, его вектор можно получить, комбинируя векторы известных подслов. Это улучшает качество обработки редких и новых слов.

Пример: слово "машинист" может быть разбито на подслова "маш", "аши", "шин", "ини", "нист" и т.д. Если слово "машинистка" не встречалось в обучении, его вектор всё равно можно получить из подслов, которые встречались.