用語比較
ワンホット表現と分散表現の違い｜単語の類似性を表せるか（G検定）
ワンホット表現は、語彙の中の1語に1つの番号を割り当て、その位置だけを1にしたベクトルで単語を表す方法です。分散表現は、単語を少ない次元の実数ベクトルで表し、似た単語を近い位置に置く方法です。類似性を表せないのがワンホット、表せるのが分散表現と分けると、選択肢を読み分けられます。
word2vecの原論文は、多くの自然言語処理の手法が単語を原子的な単位として扱い、語彙の中の番号で表すため、単語間の類似性の考え方がないと述べています。分散表現はこの弱点を解消する側の考え方です。
G検定の公式シラバスでは、大項目『ディープラーニングの応用例』の自然言語処理に、分散表現とword2vecが挙がっています。このページは、分散表現という言葉は知っているが、ワンホット表現と何が違うのかを問われると迷う人を対象にしています。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
結論
ワンホット表現
語彙の1語に1つの番号を割り当て、その位置だけを1にしたベクトル。どの2語を選んでも関係は同じで、類似性を表せない。
分散表現
単語を実数ベクトルで表す方法。似た単語が近いベクトルになり、単語どうしの類似性を距離や角度で測れる。
違いを表で確認
| 比較軸 | ワンホット表現 | 分散表現 |
|---|---|---|
| ベクトルの作り方 | 語彙の中の番号に対応する位置だけが1で、残りは0 | word2vecなどで学習した実数のベクトル |
| 次元の数 | 語彙の大きさと同じ数になる | 語彙の大きさより小さい次元で表せる |
| 単語どうしの類似性 | 表せない。違う単語どうしはどの組でも同じ関係になる | 表せる。似た単語は近いベクトルになる |
| 学習の要否 | 不要。語彙に番号を振れば作れる | 必要。大量の文章から学習する |
| 代表的な手法 | 1-of-V符号化 | word2vec（CBOWとSkip-gram） |
| 区別の手がかり | 0と1だけのベクトル、語彙の番号、類似性がない | 実数のベクトル、似た単語が近い、単語ベクトルの足し引き |
G検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
分散表現を「単語をベクトルにすること」としか覚えていない人
単語をベクトルにするだけなら、ワンホット表現もそうです。違いは、似た単語が近いベクトルになるかどうかです。
word2vecとワンホット表現を同じ位置づけで覚えている人
word2vecは分散表現（単語ベクトル）を学習する手法で、ワンホット表現と並ぶ別の表し方ではありません。学習の結果として、実数のベクトルが得られます。
分散表現は次元が大きいと考える人
次元が語彙の大きさと同じになるのはワンホット表現です。分散表現は、それより小さい次元の実数ベクトルで単語を表せます。
具体例で使い分ける
例 1
犬・猫・車の類似性を2つの表現で比べる
説明のために作った例です。語彙が「犬」「猫」「車」の3語だけだとします。ワンホット表現は犬=(1,0,0)、猫=(0,1,0)、車=(0,0,1)です。分散表現は2次元として、犬=(0.9,0.1)、猫=(0.8,0.2)、車=(0.1,0.9)とします。
- ワンホット表現では、犬と猫の内積も、犬と車の内積も0です。どの組を選んでも関係が同じなので、犬と猫が似ているという情報は表せません。
- 分散表現では、コサイン類似度が犬と猫で約0.99、犬と車で約0.22になります。犬と猫が近く、車は遠いという関係が、ベクトルに表れます。
結論: 単語どうしの類似性を使いたいときは分散表現です。ワンホット表現は作るのに学習が要らない代わりに、類似性の情報を持ちません。
問題文から答えを選ぶ手順
- 1
ベクトルの中身を読む
0と1だけで、語彙の番号の位置だけが1ならワンホット表現です。実数が並ぶなら分散表現を疑います。
- 2
類似性を表せるかを見る
似た単語が近いベクトルになるなら分散表現です。どの2語も同じ関係なら、ワンホット表現です。
- 3
手法の名前を確かめる
word2vecは分散表現を学習する手法です。1-of-V符号化はワンホット表現の別名として使われます。
試験での見分け方
- 1ワンホット表現は単語間の類似性を表せず、分散表現は表せる。
- 2ワンホット表現の次元は語彙の大きさと同じで、分散表現はそれより小さい次元で表せる。
- 3word2vecは、分散表現（単語ベクトル）を学習する手法である。
誤答しやすい選択肢
ワンホット表現でも似た単語は近いベクトルになると考える
修正: ワンホット表現では、どの2語の関係も同じです。類似性を表せるのは分散表現です。
分散表現の次元は語彙の大きさと同じになると考える
修正: 次元が語彙の大きさと同じになるのはワンホット表現です。分散表現は、より小さい次元の実数ベクトルで表せます。
ワンホット表現も大量の文章から学習すると考える
修正: ワンホット表現は語彙に番号を振れば作れます。大量の文章から学習するのは分散表現です。
確認問題
Q1単語を語彙の番号の位置だけが1のベクトルで表す方法は？
答え: ワンホット表現
1-of-V符号化とも呼ばれます。次元は語彙の大きさと同じで、類似性は表せません。
Q2似た単語が近いベクトルになる単語の表し方は？
答え: 分散表現
word2vecなどで学習した実数のベクトルです。単語どうしの類似性を距離や角度で測れます。
Q3単語を原子的な単位として語彙の番号で表すと、何が表せないか？
答え: 単語間の類似性
word2vecの原論文が指摘する弱点です。分散表現はこの弱点を解消する考え方です。
到達チェック
- ワンホット表現と分散表現の、ベクトルの中身の違いを言い分けられる
- ワンホット表現が単語間の類似性を表せない理由を説明できる
- word2vecが分散表現を学習する手法であることを説明できる
関連ページで確認する
同じ資格で次に知りたいこと
- 最大プーリングと平均プーリングの違い｜窓の最大値を残すか、平均を残すか（G検定）
G検定の最大プーリングと平均プーリングの違いを、窓の中から最大値を取るか平均を取るかという軸で整理します。位置ずれへの強さ、パラメータの有無、数値例と確認問題つき。
- Q学習とSARSAの違い｜更新に使う次の行動価値（G検定）
Q学習とSARSAの違いを、更新式の目標に使う値（次の状態の最大値か、実際に選んだ行動の値か）で整理します。強化学習の定番教科書の記述、数値例、確認問題つき。
- GDPRと個人情報保護法の違い｜適用範囲・漏えい報告・罰則（G検定）
GDPR（EU一般データ保護規則）と日本の個人情報保護法の違いを、適用される範囲、個人データの定義、取扱いの根拠、漏えい報告、罰則で整理します。条文の記述、数値例、確認問題つき。
よくある質問
Qワンホット表現とは？
語彙の中の1語に番号を割り当て、その位置だけを1、残りを0にしたベクトルで単語を表す方法です。1-of-V符号化とも呼ばれます。
Q分散表現とは？
単語を実数のベクトルで表し、似た単語を近いベクトルにする方法です。word2vecなどで学習します。
Qワンホット表現と分散表現の違いは？
単語間の類似性を表せるかどうかです。ワンホット表現は表せず、分散表現は似た単語が近いベクトルになります。
QG検定の範囲？
公式シラバスの大項目「ディープラーニングの応用例」の自然言語処理に、分散表現とword2vecが挙がっています。出題の形式は受験前に公式の案内で確認してください。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）