疎ベクトルとは、大部分の要素がゼロであるベクトルのことです。AIや自然言語処理の分野において、メモリ効率を高めたり計算を高速化したりするために広く利用されており、密ベクトルとは対照的な性質を持ちます。
疎ベクトルとは
一言でいうと、大部分の成分が「ゼロ」で構成されているベクトルのことです。
詳しく解説
疎ベクトル（Sparse Vector）とは、ベクトルを構成する多くの要素がゼロであるデータ構造を指します。例えば、自然言語処理の分野で用いられるBoW（Bag of Words）やTF-IDFでは、辞書にある全単語数分の次元を持つベクトルを作成しますが、一つの文章に現れる単語は全体の一部に過ぎないため、ほとんどの要素がゼロになります。AIにおける大規模なデータを扱う際、ゼロ以外の値（非ゼロ要素）の位置と値だけを保持する特殊なデータ構造を用いることで、メモリ消費量を大幅に削減し、計算処理を効率化できるという重要性があります。
具体例・使われ方
具体的な利用例としては、検索エンジンのキーワードマッチングや、キーワードベースのTF-IDFを用いた文書分類などが挙げられます。また、レコメンデーションシステムにおいて、ユーザーが評価していない膨大な商品データが存在する状況を表現する際にも疎ベクトルが活用されます。
似た用語との違い
混同されやすい概念として「密ベクトル」があります。密ベクトルは、ほとんどの要素に非ゼロの値が入り、概念や意味の連続性を埋め込むことで生成されます。これに対し、疎ベクトルは主にキーワードの有無や回数など、シンボルベースの情報を表現するのに適しています。
注意点
注意点として、次元数が数万から数十万と非常に大きくなった場合、密ベクトルと比較して単純な演算では非効率になることがあります。また、単語の意味の近さ（文脈やニュアンス）を捉えることが苦手であるため、AIモデルの種類によっては密ベクトルへの変換やハイブリッド検索の導入を検討する必要があります。