機器學習備忘錄之文本表示模型

詞袋模型(Bag of Words) 詞袋模型是最基礎的文本表示模型。將文章以詞爲單位切分開，忽略詞的出現順序，將文章表示成一個長向量（每一維代表一個單詞，該維的權重表示重要程度）。常用TF-IDF(Term Frequency-Inverse Document Frequency)來計算權重。 某個單詞在一篇文章中出現的頻率高，並且在其他文章中很少出現，則認爲該詞具有很好的類別區分能力，適合用來

>>阅读原文<<