Kas ir word2vec?

Word2vec ir metode, kas attēlo vārdus kā fiksēta izmēra vektorus, ļaujot modelēt semantiskās attiecības starp vārdiem.

Galvenā ideja ir apmācīt neironu tīklu prognozēt vārda kontekstu (vai pašu vārdu, balstoties uz kontekstu), kā rezultātā katrs vārds iegūst vektoru reprezentāciju, kas atspoguļo tā semantisko tuvību ar citiem vārdiem.

Word2vec lietošanas piemērs:

from gensim.models import Word2Vec

sentences = [['es', 'mīlu', 'mašīnmācību'], ['mašīnmācība', 'ir', 'noderīga']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['mašīnmācība']  # Iegūt vektoru vārdam "mašīnmācība"
similar_words = model.wv.most_similar('mašīnmācība')  # Meklēt līdzīgas vārdus

Word2vec plaši tiek izmantots NLP uzdevumos, piemēram, klasifikācijā, klasterizācijā un līdzīgu vārdu meklēšanā.