เปรียบเทียบวิธี

	การจัดกลุ่มแบบ K-Means	Word2Vec
สาขาวิชา	การเรียนรู้ของเครื่อง	การทำเหมืองข้อความ
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	1967	2013
ผู้ริเริ่ม	MacQueen, J.	Tomas Mikolov et al.
ประเภท	Partitional clustering (centroid-based)	Neural word-embedding model
แหล่งต้นตำรับ	MacQueen, J. (1967). Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297.	Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space.
ชื่อเรียกอื่น	K-Ortalamalar Kümeleme, k-ortalamalar kümeleme, k-means, centroid clustering	word embeddings, skip-gram, continuous bag-of-words, Word2Vec Kelime Gömülmeleri
ที่เกี่ยวข้อง	3	4
สรุป	K-Means Clustering is a centroid-based partitional clustering algorithm, traced to J. MacQueen in 1967, that splits data into k clusters by assigning each observation to its nearest cluster centre. It is widely used for marketing segmentation, customer grouping, and exploratory analysis.	Word2Vec is a neural word-embedding technique introduced by Mikolov and colleagues in 2013 that maps each word in a text corpus to a dense numeric vector. Words that appear in similar contexts end up close together in the vector space, so the embeddings capture semantic similarity that can be measured arithmetically.