word2vecの理解
問題
以下の文章を読み、空欄 ( あ ) ～ ( う ) に入る語句の組み合わせとして、最も適切なものを1つ選べ。
自然言語処理における単語の分散表現を獲得する代表的な手法であるword2vecは、「単語の意味はその周辺の単語によって決まる」という ( あ ) 仮説に基づいている。
学習モデルとしては、周辺の単語から中心の単語を予測する ( い ) と、中心の単語から周辺の単語を予測する ( う ) の2つのアーキテクチャが提案されている。
ただし、word2vecは1つの単語に対して1つの固定ベクトルを割り当てるため、文脈によって意味が変わる多義語の表現には限界がある。
解説
word2vecは、「単語の意味はその周辺の単語（文脈）によって決まる」という「分布仮説」に基づき、単語を固定長の密なベクトル（分散表現）に変換する手法です。
モデルには、周囲の単語から中心の単語を予測する「CBOW（Continuous Bag-of-Words）」と、中心の単語から周囲の単語を予測する「skip-gram」の2種類があります。
しかし、word2vecは「1単語につき1つの固定ベクトル」を出力するため、「銀行」や「土手」など文脈で意味が変わる多義語を動的に表現できないという弱点があります。
正しい。周辺の単語によって意味が決まるのは「分布仮説」、周辺から中心を予測するのが「CBOW」、中心から周辺を予測するのが「skip-gram」です。
誤り。(い)と(う)の手法名が逆になっています。中心から周辺を予測するのはskip-gramです。
誤り。(あ)は局所ではなく「分布仮説」です。(う)TF-IDFは文書中の単語の重要度を測る手法であり、word2vecのアーキテクチャではありません。
誤り。すべての語句の組み合わせが不適切です。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- tanh関数の理解
- 勾配消失問題と活性化関数の関係
- エポック（Epoch）とイテレーションの理解
- 鞍点（Saddle Point）の理解
- ストライド（stride）の理解
- BPTTの理解
- 位置エンコーディングの理解
- MixupおよびCutMixの理解
- 物体識別と物体検出の違い
- セマンティックセグメンテーションの特徴
- インスタンスセグメンテーションの理解
- パノプティックセグメンテーションの特徴
- 姿勢推定（Pose Estimation）の理解
- AlexNetの特徴
- GoogLeNet（Inception）の理解
- VGGの構造的特徴
- ResNetの残差学習の理解
- Wide ResNetの特徴
- DenseNetの密結合構造
- EfficientNetとMobileNetの理解
- NAS（ニューラルアーキテクチャ探索）の特徴
- MnasNetの探索戦略
- NASNetのセル構造
- SENet（Squeeze-and-Excitation Network）の理解
- Vision Transformer（ViT）の特徴
- Fast R-CNNの処理構造
- Faster R-CNNのRPN
- Mask R-CNNの追加機能
- SSD（Single Shot MultiBox Detector）の特徴
- YOLO（You Only Look Once）の特徴
- FPN（Feature Pyramid Network）の理解
- FCN（Fully Convolutional Network）の特徴
- OpenPoseとPart Affinity Fields
- BERTの事前学習タスク
- Bag-of-Words（BoW）の特徴
- word2vecの理解
- fastTextのサブワード学習
- CBOW（Continuous Bag-of-Words）の特徴
- skip-gramの特徴
- CEC（Constant Error Carousel）の役割
- ELMoの文脈化表現
- GPTモデルの学習方式
- PaLMの理解
- Seq2Seqモデルの構造
- TF-IDFの重要度計算
- 形態素解析の役割
- 構文解析の目的
- 感情分析の特徴
- 文書要約の種類
- A-D変換（アナログ-デジタル変換）のプロセス
- WaveNetの特徴
- 音韻の理解
- 音声認識の基本
- 音素の理解
- 隠れマルコフモデル（HMM）の特徴
- 高速フーリエ変換（FFT）の理解
- スペクトル包絡の特徴
- PCM（パルス符号変調）の理解
- MFCC（メル周波数ケプストラム係数）の特徴
- CTC（Connectionist Temporal Classification）の理解
- A3C（Asynchronous Advantage Actor-Critic）の特徴
- Agent57の特徴
- APE-Xの理解
- DQN（Deep Q-Network）の理解
- Double DQNの理解
- Dueling Networkの特徴
- PPO（Proximal Policy Optimization）の理解
- OpenAI Fiveの特徴
- AlphaStarの理解
- sim2realの課題
- ドメインランダマイゼーションの理解
- ノイジーネットワークの特徴
- 報酬成形（Reward Shaping）の理解
- GAN（敵対的生成ネットワーク）の理解
- DCGANの特徴
- Diffusion Modelの理解
- NeRF（Neural Radiance Fields）の特徴
- Pix2Pixの理解
- CycleGANの特徴
- StyleGANの理解
- データ生成タスクの応用
- 転移学習の基本概念
- ファインチューニングの特徴
- Few-shot / One-shot 学習の理解
- 自己教師あり学習の役割
- 破壊的忘却（Catastrophic Forgetting）
- 半教師あり学習の特徴
- マルチモーダルAIの基本理解
- CLIPの特徴理解
- DALL-Eの役割
- Visual Question Answeringの理解
- zero-shot推論の理解
- マルチタスク学習の特徴
- CAMの特徴に関する問題
- Grad-CAMの理解
- LIMEの特徴
- SHAPの特徴理解
- 知識蒸留の理解
- プルーニングの理解
- 量子化の理解
- 説明可能AI（XAI）の理解