Wat is word2vec?

Word2vec is een methode om woorden voor te stellen als vectoren van vaste grootte, waarmee semantische relaties tussen woorden gemodelleerd kunnen worden.

Het belangrijkste idee is om een neuraal netwerk te trainen om de context van een woord (of het woord zelf op basis van de context) te voorspellen, waardoor elk woord een vectorrepresentatie krijgt die de semantische nabijheid tot andere woorden weerspiegelt.

Voorbeeld van gebruik van word2vec:

from gensim.models import Word2Vec

sentences = [['ik', 'hou', 'van', 'machine', 'leren'], ['machine', 'leren', 'is', 'nuttig']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['machine']  # Vinden van de vector voor het woord "machine"
similar_words = model.wv.most_similar('machine')  # Zoeken naar vergelijkbare woorden

Word2vec wordt veel gebruikt in NLP voor classificatie, clustering en het zoeken naar vergelijkbare woorden.