自然言語処理（NLP）や機械学習では、人間が扱う言葉をコンピュータが理解できる「数値データ」に変換する必要があります。
その際に古くから利用されてきた代表的な手法が「ワンホットベクトル（One-Hot Vector）」です。
現在では単語埋め込み（Word Embedding）や大規模言語モデル（LLM）が主流になっていますが、ワンホットベクトルは自然言語処理の基本概念を理解するうえで欠かせません。
本記事では、ワンホットベクトルの仕組みや特徴、メリット・デメリット、そして現代AIとの関係までわかりやすく解説します。
ワンホットベクトルとは何か
ワンホットベクトルとは、対象となる単語やカテゴリを「0」と「1」の並びで表現する手法です。
特徴は非常にシンプルで、対象となる要素の位置だけを「1」にし、それ以外はすべて「0」にします。
まず、解析対象の文章群から登場する単語を一覧化し、「語彙（Vocabulary）」を作成します。
たとえば次のような語彙があるとします。
- 猫
- 犬
- 鳥
この場合、それぞれは次のように表現されます。
| 単語 | ワンホット表現 |
|---|---|
| 猫 | [1,0,0] |
| 犬 | [0,1,0] |
| 鳥 | [0,0,1] |
各単語は独立した座標として割り当てられます。
つまり「1」が立っている場所だけが、その単語を識別する情報になります。
なぜ言葉をベクトル化する必要があるのか
コンピュータは文字列をそのまま理解できません。
たとえば、人間なら「猫」と「犬」が近い意味を持つことは直感的にわかります。
しかしコンピュータにとっては単なる文字列であり、その関係性は理解できません。
そこで自然言語処理では、単語を数値ベクトルへ変換します。
ベクトル化によって次のような処理が可能になります。
- 文書分類
- 感情分析
- 検索システム
- 類似文章の判定
- 機械翻訳
- チャットAI
ワンホットベクトルは、その最初期の表現方法として利用されてきました。
ワンホットベクトルの仕組み
語彙リストを作成する
最初に全文章から単語を収集します。
例：
「私は猫が好き」
「私は犬が好き」
助詞などを除いて整理すると、語彙は以下になります。
- 私
- 猫
- 犬
- 好き
これをインデックス化します。
| 単語 | 番号 |
|---|---|
| 私 | 0 |
| 猫 | 1 |
| 犬 | 2 |
| 好き | 3 |
そしてベクトルに変換すると次のようになります。
| 単語 | ベクトル |
|---|---|
| 私 | [1,0,0,0] |
| 猫 | [0,1,0,0] |
| 犬 | [0,0,1,0] |
| 好き | [0,0,0,1] |
このように位置だけで単語を識別します。
ワンホットベクトルのメリット
実装が非常に簡単
アルゴリズムが単純なため、初心者でも理解しやすく、プログラム化も容易です。
Pythonの機械学習ライブラリでも数行で実装できます。
単語識別が明確
どの単語かを完全に区別できます。
曖昧さがなく、カテゴリ情報をそのまま保持できます。
例えば：
- 赤
- 青
- 緑
のような分類データにも利用できます。
自然言語以外にも機械学習のカテゴリ変数処理で現在も使われています。
解釈しやすい
ベクトルを見れば、どの位置が何を意味するかすぐ分かります。
ブラックボックス性が低く、デバッグしやすい点も特徴です。
ワンホットベクトルの問題点
便利な一方で、大きな課題もあります。
単語の意味を表現できない
最大の欠点は意味の近さを扱えないことです。
例：
- 猫 → [1,0,0]
- 犬 → [0,1,0]
人間なら「猫」と「犬」は動物として近い関係と理解できます。
しかしワンホットベクトルでは、すべての単語が完全に独立しています。
AIから見ると、
「猫」と「犬」
「猫」と「自動車」
の距離は同じです。
つまり意味的な関係を表現できません。
語彙数が増えるほど巨大になる
語彙数が10万語なら、ベクトル長も10万次元になります。
その結果、
- メモリ消費増加
- 計算コスト増加
- 処理速度低下
といった問題が発生します。
しかも実際には大半が0になります。
例：
[0,0,0,0,0,0,0,1,0,0,0…]
このような「ほとんどゼロのベクトル」を疎ベクトル（Sparse Vector）と呼びます。
疎ベクトルは計算効率を下げる要因になります。
現代AIではなぜ別の手法が使われるのか
現在のAIでは、ワンホットベクトルの代わりに「分散表現（Distributed Representation）」が広く利用されています。
代表例：
- word2vec
- fastText
- BERT
- Transformer系モデル
- GPT系モデル
これらは意味の近い単語を近い位置に配置します。
例えば、
- 王 − 男 + 女 ≒ 女王
- 東京 ≒ 大阪
- 猫 ≒ 犬
のような意味的関係を数学的に扱えます。
これにより、文脈理解や文章生成の精度が大幅に向上しました。
ワンホットベクトルは今でも使われる？
自然言語処理では利用機会は減りましたが、完全に消えたわけではありません。
現在も以下の場面では利用されています。
カテゴリ変数の処理
例：
- 性別
- 地域
- 商品カテゴリ
- 曜日
機械学習の前処理
分類問題の入力変換として利用されます。
教育・研究用途
自然言語処理の基本概念を学ぶ教材として非常に重要です。
現在の高度なAI技術も、このような基本技術の上に成り立っています。
まとめ
ワンホットベクトルは、単語やカテゴリを「1つだけ1、それ以外0」で表現する非常にシンプルなベクトル化手法です。
主な特徴を整理すると以下の通りです。
メリット
- 実装が簡単
- 解釈しやすい
- 単語を明確に識別できる
デメリット
- 意味的関係を表現できない
- 語彙が増えると巨大化する
- 疎ベクトル問題が発生する
現在の生成AIでは、word2vecやTransformerベースの分散表現が主流ですが、ワンホットベクトルは自然言語処理の出発点として非常に重要な技術です。
AIの仕組みを深く理解したい場合は、この基礎を押さえておくことで、その後の単語埋め込みや大規模言語モデルの理解もしやすくなるでしょう。
こちらもご覧ください：【fastTextとは？】word2vecとの違いをわかりやすく解説｜未知語に強い単語ベクトル技術の仕組み
