Word2Vec Word2Vec ist ein 2013 vorgestelltes Verfahren, das jedem Wort einen festen Zahlenvektor zuordnet, sodass ähnlich verwendete Wörter nahe beieinanderliegen. Es war der Vorläufer heutiger Embeddings und ist überwiegend von kontextabhängigen Verfahren abgelöst. Der wesentliche Unterschied: Word2Vec vergibt je Wort genau einen Vektor, unabhängig von der Bedeutung im Satz.
Kurz-Fakten
Vorgestellt 2013 von einem Team bei Google
Ein fester Vektor je Wort, ohne Berücksichtigung des Kontexts
Bekanntes Beispiel: König minus Mann plus Frau ergibt annähernd Königin
Heute durch kontextabhängige Embeddings ersetzt
Bedeutung in der Praxis
Das Beispiel mit König und Königin ist eingängig und verdeckt die Schwäche: Bei mehrdeutigen Wörtern – „Bank", „Schloss" – vermischt Word2Vec alle Bedeutungen in einem Punkt. Genau das lösen kontextabhängige Verfahren.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.