Word2Vec
Klassisches Word-Embedding-Modell von Google (2013) — zeigte, dass Wörter als bedeutungstragende Vektoren dargestellt werden können.
Das berühmte Beispiel: king - man + woman ≈ queen (Vektorarithmetik funktioniert). Zwei Varianten: CBOW (Wort aus Kontext vorhersagen), Skip-Gram (Kontext aus Wort vorhersagen). Vorläufer moderner kontextueller Embeddings (BERT, GPT).