Word2Vec fue una de las primeras técnicas populares para convertir palabras en vectores numéricos (embeddings), entrenando un modelo simple para predecir palabras a partir de su contexto cercano en grandes cantidades de texto, o viceversa.
Por qué fue tan influyente
Demostró de forma sorprendente que las relaciones semánticas entre palabras podían capturarse con operaciones matemáticas sobre sus vectores: el vector resultante de “rey” menos “hombre” más “mujer” quedaba muy cerca del vector de “reina”. Este hallazgo impulsó gran parte de la investigación posterior en embeddings de texto.