Для чего использовать Word2Wec

Word2Vec — это алгоритм для создания векторных представлений слов (эмбеддингов), который преобразует слова в числовые векторы, сохраняя их семантические и синтаксические связи. Основные применения:

1. Анализ текста: классификация, кластеризация, поиск похожих слов.
2. Рекомендательные системы: поиск схожих товаров/контента по описанию.
3. Машинный перевод: улучшение качества перевода за счет семантики.

Пример использования с gensim:

from gensim.models import Word2Vec

sentences = [["я", "люблю", "NLP"], ["ты", "любишь", "Python"]]
model = Word2Vec(sentences, vector_size=100, window=5, min_count=1)
vector = model.wv["NLP"]  # вектор слова "NLP"
similar_words = model.wv.most_similar("Python")  # похожие слова

Ключевые параметры: vector_size (размерность вектора), window (контекст), min_count (минимальная частота слова).