Word2Vec
Word2Vec
Word2Vec(Word2Vec)은 NLP의 전체 흐름에서 중요한 단계입니다. 사람의 텍스트를 모델이 계산 가능한 Token과 Vector의 Sequence로 변환하는 흐름 안에서 이 개념이 어떤 입력을 받고 무엇을 출력하는지 연결해서 이해합니다.
WHY SHOULD I KNOW THIS?
왜 알아야 하나?
NLP을 이름만 암기하지 않고 실제 데이터가 변환되는 과정을 이해하기 위한 핵심 연결점입니다. 이후 Transformer·LLM 학습에서 이 흐름이 반복해서 사용됩니다.
WHERE IS IT USED?
어디에 사용되나?
텍스트 분석검색번역Language Model
10.12 CONCEPT VIEW
Word2Vec
이 Topic은 이후 실제 계산/시각화 학습 시뮬레이션으로 확장됩니다.
EMBEDDING SPACE
가까운 Vector는 학습된 표현 공간에서 더 관련된 문맥/의미를 가질 수 있습니다.
실제 embedding은 2차원이 아니라 수백~수천 차원일 수 있습니다.
실제 embedding은 2차원이 아니라 수백~수천 차원일 수 있습니다.
INTERACTIVE CONCEPT LABNLP PIPELINE
CURRENT STAGE1 / 6 · Text
Word2Vec
노드를 클릭하거나 PLAY FLOW를 눌러 정보가 어떻게 이동하는지 단계별로 확인하세요. 슬라이더는 시각적 영향도를 조절합니다.
이 Topic에서 알아야 할 핵심
✓Word2Vec
✓Word2Vec
✓문장 → Token → ID → Vector → Sequence Model
✓앞 단계의 출력이 다음 단계의 입력으로 연결됨
이해 확인 질문
Q1Word2Vec은 전체 NLP 흐름의 어느 위치에 있는가?
Q2Word2Vec의 입력과 출력은 무엇인가?
Q3이 개념이 빠지면 다음 단계에서 어떤 문제가 생기는가?
CATEGORY
NLP FOUNDATION텍스트가 모델이 계산할 수 있는 토큰과 벡터로 변환되는 과정을 학습합니다.
CURRENT PATH
10.12 Word2Vec이 Topic의 위치와 앞뒤 순서를 항상 Curriculum 기준으로 유지합니다.