---
title: "分散表現とは？【One-hotとの比較で理解｜G検定対策】"
description: "分散表現について、G検定で問われる特徴量・教師なし学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/distributed-representation/"
section: "gk"
---

## まず結論
- **分散表現**とは、単語や文書を「意味の近さが反映されたベクトル」で表現する方法である。
- **One-hot表現**は意味を表せず、分散表現は意味を表せる。
- G検定では「**意味情報を持つかどうか**」が最大の判断ポイント。

## 直感的な説明
### One-hot表現
- 単語を「番号札」で表すイメージ
- 違う単語 = 完全に別物

### 分散表現
- 単語を「地図上の位置」で表すイメージ
- 意味が近い単語は近くに配置される

👉 **意味を距離で表せるかどうか**が決定的な違い。

## 定義・仕組み
### One-hot表現
- 語彙数 = 次元数
- 該当する単語の位置だけが 1、他は 0

例（語彙が3語）：
- 犬 → [1, 0, 0]
- 猫 → [0, 1, 0]
- 車 → [0, 0, 1]

#### 特徴
- 単語間の関係が表せない
- 次元が非常に大きい
- 「犬」と「猫」の距離 = 「犬」と「車」の距離

---

### 分散表現（Distributed Representation）
- 低次元の実数ベクトルで表現
- 値は学習によって決まる

例（イメージ）：
- 犬 → [0.2, 0.8, 0.1]
- 猫 → [0.3, 0.7, 0.1]
- 車 → [0.9, 0.1, 0.8]

#### 特徴
- 意味的に近い単語が近くなる
- 次元数が小さい
- 類似度計算が可能

👉 **Word2Vec や BERT は分散表現**

## いつ使う？（得意・不得意）
### One-hot
- 得意：単純な識別
- 不得意：意味理解、類似度計算

### 分散表現
- 得意：意味類似、文書理解
- 不得意：学習コストがかかる

## G検定ひっかけポイント
ここが頻出 👇

### ❌ One-hotは意味的な類似性を表せる
- **誤り**
- One-hotは意味を一切持たない

### ❌ 分散表現は単語の出現回数を表す
- **誤り**
- それは BoW / TF-IDF

### ⭕ 正しい判断基準
- 「意味的な近さ」→ 分散表現
- 「次元が語彙数と同じ」→ One-ho