まず単語ベクトルとは，単語がN次元のある一点として記述されたもので，図は2次元で記述されています．また意味的に関連が強い単語は距離が近くなります．この単語ベクトルを作成するためのオープンソースを word2vec と言います．また単語ベクトルを駆使することで，レコメンド機能やチャットボットの開発，感情分析などを行うこともできるそうです．
図のような，単語ベクトルの足し算や引き算も可能である．
今回は 10,000語 が登録されている場合を考える．すると，one-hotベクトルの次元数は10,000となる．
本記事では，COBW (Continuous Bag-of-Words) と呼ばれる方法を解説する．この方法では，前後の単語から ？ に入る単語の予測を行うという問題を考える．
１回目の重みの足し合わせにおいて，重みは常に１である．つまり，ここではone-hotベクトルの足し合わせを行っている．
ここで得られる10000×200の行列に，10,000個の単語ベクトル (200次元) が格納されている．one-hotベクトル (10,000次元) から単語ベクトル (200次元) ，次元が削減されていることが分かる．
COBW では，ニューラルネットを駆使することで，10,000次元のone-hotベクトルを200次元にまで削減し，各要素の意味の抽象化を行っている．実際には，次元削減後の各要素の意味は分からない．
以上が単語ベクトル作成のアルゴリズムの一例となります．その他のアルゴリズムとして skip-gram などもありますが，COBWの原理が分かっていれば理解は容易かと思います．本記事では，単語ベクトル作成の理論について説明したので，次の記事では gensim と呼ばれる python のライブラリを用いて，単語ベクトル作成を実装していきたいと思います．
8 件
井上 大輝
