Word2Vec・FastText・GloVeの違いは関連概念を切り分けるための考え方です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk nlp neural_network

G検定トップ ＞ Word2Vec・FastText・GloVeの違いとは？単語分散表現の整理【G検定対策】

まず結論

  • Word2Vec / FastText / GloVe はすべて「単語分散表現」だが、学習の考え方が異なる。
  • G検定では「局所文脈か／文字情報を使うか／全体統計か」で切り分ける。

直感的な説明

3つは「単語の意味をどうやって学ぶか」が違います。

  • Word2Vec
    👉 周りの単語から意味を学ぶ
  • FastText
    👉 単語を文字の集まりとしても見る
  • GloVe
    👉 単語同士がどれくらい一緒に出るかを全体で見る

つまり、 👉 見る範囲と粒度が違う
と覚えると混乱しません。

定義・仕組み

Word2Vec

  • 周囲の単語（局所文脈）から単語ベクトルを学習
  • モデル：
    • CBOW
    • Skip-gram
  • 単語は 1つのIDとして扱う

ポイント：

  • シンプル
  • 高速
  • 未知語（OOV）に弱い

FastText

  • Word2Vecを拡張
  • 単語を 文字 n-gram の集合 として扱う
  • 未知語でも文字情報からベクトル生成可能

ポイント：

  • 表記ゆれ・新語に強い
  • 日本語など形態変化のある言語と相性が良い

GloVe

  • 単語共起行列（全体統計） を使って学習
  • グローバル（Global）な情報を重視
  • 行列分解に基づく手法

ポイント：

  • コーパス全体の統計を反映
  • Word2Vecとは学習の発想が異なる

いつ使う？（得意・不得意）

Word2Vecが向く場面

  • 基本的な意味表現
  • シンプルなEmbeddingが欲しいとき

FastTextが向く場面

  • 未知語が多い
  • 表記ゆれが多い
  • 日本語・多言語処理

GloVeが向く場面

  • 大規模コーパス
  • 単語共起関係を重視したい場合

G検定ひっかけポイント

ここが超重要です。

よくある誤解

  • ❌「FastTextは全く別の概念」
  • ❌「GloVeは文脈を使わない」
  • ❌「3つは性能差だけの違い」

正しい判断基準

  • 局所文脈 → Word2Vec
  • 文字 n-gram → FastText
  • 共起行列・全体統計 → GloVe

問題文に
「未知語に強い」
とあれば FastText。

「共起行列」「全体統計」
とあれば GloVe。

まとめ（試験直前用）

  • 3つとも単語分散表現
  • Word2Vec：周囲の単語
  • FastText：文字情報も使う
  • GloVe：全体の共起統計
  • 見る範囲で切り分ける

🔗 関連記事

🏠 G検トップに戻る