Sentimentanalys kvantifierar känslomässigt innehåll i text och är användbart för att förstå konsumentreaktioner eller upptäcka hatiskt tal. Traditionella metoder som ordboksbaserad analys och "bag of words" har begränsningar, främst att de ignorerar kontext. word2vec, utvecklat av Google, förbättrar sentimentanalys genom att fånga ordkontext och minska datastorleken med metoder som CBOW och skip-gram, med hjälp av neurala nätverk. doc2vec, en utvidgning av Quoc Le och Tomas Mikolov, förbättrar ytterligare kontextfångsten genom att lägga till paragraf-/dokumentvektorer, vilket uppnår toppmoderna resultat inom sentimentklassificering. Python-biblioteket Gensim erbjuder optimerade implementeringar av word2vec och doc2vec, vilket möjliggör praktisk tillämpning och demonstration av ordrelationer.