Een interactief woordenboek heeft vectorfuncties voor woorden nodig, zodat de app woorden kan tonen die in vergelijkbare contexten worden gebruikt. Welke aanpak biedt deze functies het beste voor een nearest-neighbors model?

Vooraf getrainde word embedding-vectoren, zoals Word2Vec, GloVe of FastText, zijn geleerd uit enorme tekstcorpora en vangen semantische en syntactische relaties tussen woorden op. Dit maakt ze ideaal voor het vinden van woorden die in vergelijkbare contexten worden gebruikt in een nearest-neighbors model. One-hot codering creëert zeer sparse vectoren die geen semantische relaties vastleggen. Het handmatig genereren van synoniemen is schaalbaar noch efficiënt voor een groot woordenboek. Embeddings gebaseerd op bewerkingsafstanden meten de gelijkenis van woordvormen, niet van hun contextuele gebruik.