Τι είναι το word2vec;

Word2vec — είναι μια μέθοδος αναπαράστασης λέξεων με τη μορφή διανυσμάτων σταθερού μεγέθους, που επιτρέπει το μοντελοποίηση των σημασιολογικών σχέσεων μεταξύ λέξεων.

Η κύρια ιδέα είναι η εκπαίδευση ενός νευρωνικού δικτύου για την πρόβλεψη του συμφραζόμενου μιας λέξης (ή της ίδιας της λέξης βάσει του συμφραζόμενου), με αποτέλεσμα κάθε λέξη να λαμβάνει μια διανυσματική αναπαράσταση που αντικατοπτρίζει την σημασιολογική της εγγύτητα με άλλες λέξεις.

Παράδειγμα χρήσης του word2vec:

from gensim.models import Word2Vec

sentences = [['εγώ', 'αγαπώ', 'τη', 'μηχανική', 'μάθηση'], ['η', 'μηχανική', 'μάθηση', 'είναι', 'χρήσιμη']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['μάθηση']  # Λήψη του διανύσματος της λέξης "μάθηση"
similar_words = model.wv.most_similar('μάθηση')  # Αναζήτηση παρόμοιων λέξεων

Το Word2vec χρησιμοποιείται ευρέως στην επεξεργασία φυσικής γλώσσας (NLP) για εργασίες ταξινόμησης, ομαδοποίησης και αναζήτησης παρόμοιων λέξεων.