Was ist word2vec?

Word2vec ist eine Methode zur Darstellung von Wörtern als Vektoren fester Dimension, die es ermöglicht, semantische Beziehungen zwischen Wörtern zu modellieren.

Die Hauptidee ist, ein neuronales Netzwerk zu trainieren, um den Kontext eines Wortes (oder das Wort selbst anhand des Kontexts) vorherzusagen, wodurch jedes Wort eine Vektor-Darstellung erhält, die seine semantische Nähe zu anderen Wörtern widerspiegelt.

Beispiel für die Verwendung von word2vec:

from gensim.models import Word2Vec

sentences = [['ich', 'liebe', 'maschinelles', 'Lernen'], ['maschinelles', 'Lernen', 'ist', 'nützlich']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['maschinelles']  # Erhalten des Vektors des Wortes "maschinelles"
similar_words = model.wv.most_similar('maschinelles')  # Suche nach ähnlichen Wörtern

Word2vec wird in NLP häufig für Klassifizierungs-, Cluster- und Ähnlichkeitssuchaufgaben verwendet.