Czym jest word2vec?

Word2vec to metoda reprezentacji słów w postaci wektorów o stałej wymiarowości, która pozwala modelować relacje semantyczne między słowami.

Główny pomysł polega na wytrenowaniu sieci neuronowej do przewidywania kontekstu słowa (lub samego słowa na podstawie kontekstu), w wyniku czego każde słowo otrzymuje reprezentację wektorową odzwierciedlającą jego bliskość semantyczną do innych słów.

Przykład użycia word2vec:

from gensim.models import Word2Vec

sentences = [['ja', 'kocham', 'uczenie', 'maszynowe'], ['uczenie', 'maszynowe', 'jest', 'przydatne']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['maszynowe']  # Uzyskanie wektora słowa "maszynowe"
similar_words = model.wv.most_similar('maszynowe')  # Szukanie podobnych słów

Word2vec jest szeroko stosowany w NLP do zadań klasyfikacji, klasteryzacji i wyszukiwania podobnych słów.