T-SNE
https://habr.com/en/company/vk/blog/449984/
https://www.kaggle.com/mateiionita/visualizing-bert-embeddings-with-t-sne
코랩 구현
https://colab.research.google.com/drive/1xv99wTySfsJPExHNzl1s5g9DbQc0RKhl?usp=sharing
→ 각 단어마다 top 30개 similarity 뽑아서 시각화함
문제점) 단어 갯수 몇개 안되는데도 램 엄청 잡아먹음 → 전체 뉴스 데이터 비효율적
K-means
https://dylancastillo.co/nlp-snippets-cluster-documents-using-word2vec/
word2vec으로는 가능할것 같음
bert로는 어려울 수?→ word2vec은 단어의 의미를 다양한 맥락에서 고려안함
nail → 손톱, 못 → vector다름 그럼 다르게 시각화???