Word2Vecとは？
わーどつーべく
Word2Vecとは、大量のテキストデータから単語の意味を数値ベクトルとして学習する、自然言語処理の代表的な単語埋め込みモデルです。
Word2Vec（ワードトゥーベック）とは、Googleの研究者トマス・ミコロフらが2013年に発表した単語を密なベクトル（埋め込みベクトル）で表現するニューラルネットワークベースの手法です。大量のテキストを学習することで、意味的・文法的に似た単語が近い位置のベクトルになるよう表現されます。
学習アーキテクチャは主に2種類あります。
- CBOW（Continuous Bag of Words）：周辺の単語群から中央の単語を予測するモデル。
- Skip-gram：中央の単語から周辺単語を予測するモデル。少量データや希少語に強い。
Word2Vecの特筆すべき性質は、ベクトル演算で意味関係を表現できることです。有名な例として「王 − 男 + 女 ≈ 女王」のようなアナロジー関係が成立します。これにより単語間の類似度計算・文書分類・感情分析など多くの自然言語処理タスクに応用されています。
現在はBERTやGPTといったトランスフォーマー系の大規模言語モデルが主流ですが、Word2Vecは計算コストが低く解釈性も比較的高いため、今なお軽量システムや教育目的で広く活用されています。また、後続の単語埋め込み研究（GloVe・FastTextなど）の基礎にもなりました。
使い方・例文
「Word2Vecで学習した単語ベクトルを使い、商品レビューの類似文検索システムを構築した」という形で、自然言語処理の開発・研究現場で登場します。
この用語をシェア
最終更新: