Ce este word2vec?

Word2vec este o metodă de reprezentare a cuvintelor sub formă de vectori de dimensiune fixă, care permite modelarea relațiilor semantice dintre cuvinte.

Ideea principală este de a antrena o rețea neuronală pentru a prezice contextul unui cuvânt (sau cuvântul însuși pe baza contextului), ceea ce face ca fiecare cuvânt să primească o reprezentare vectorială care reflectă apropierea sa semantică față de alte cuvinte.

Exemplu de utilizare a word2vec:

from gensim.models import Word2Vec

sentences = [['eu', 'iubesc', 'învățarea', 'automată'], ['învățarea', 'automată', 'este', 'utilă']]
model = Word2Vec(sentences, vector_size=50, window=2, min_count=1, workers=4)

vector = model.wv['automată']  # Obținerea vectorului cuvântului "automată"
similar_words = model.wv.most_similar('automată')  # Căutarea cuvintelor similare

Word2vec este utilizat pe scară largă în NLP pentru sarcini de clasificare, clustering și căutare de cuvinte similare.