词袋

✍ dations ◷ 2025-11-29 06:42:16 #词袋

词袋模型（英语：Bag-of-words model）是个在自然语言处理和信息检索(IR)下被简化的表达模型。此模型下，一段文本（比如一个句子或是一个文档）可以用一个装着这些词的袋子来表示，这种表示方式不考虑文法以及词的顺序。最近词袋模型也被应用在电脑视觉领域。词袋模型被广泛应用在文件分类，词出现的频率可以用来当作训练分类器的特征。关于"词袋"这个用字的由来可追溯到泽里格·哈里斯于1954年在Distributional Structure的文章。下列文件可用词袋表示:以下是两个简单的文件:基于以上两个文件，可以建构出下列清单:此处有10个不同的词，使用清单的索引表示长度为10的向量:每个向量的索引内容对应到清单中词出现的次数。举例来说，第一个向量(文件一)前两个内容索引是1和2，第一个索引内容是"John"对应到清单第一个词并且该值设定为1，因为"John"出现一次。此向量表示法不会保存原始句子中词的顺序。该表示法有许多成功的应用，像是邮件过滤。在上述的范例，文件向量包含term频率。在IR和文字分类常用不同方法量term权重。常见方法为tf-idf。分类一个邮件讯息，分类一个贝氏垃圾邮件分类假设讯息是一堆字并且随机倒在两堆袋子其中一个袋子里，之后使用贝氏几率去决定哪个袋子是较有可能的。

相关

4-磷酸二乙基色胺4-磷酸二乙基色胺（英语：Ethocybin CEY-19 4-phosphoryloxy-DET 4-PO-DET）是生物碱裸盖菇素（4-磷酸二甲基色胺）的同系物，也是色胺家族中的一种半合成迷幻药物。
二苯乙醇酸-3-喹咛环酯二苯乙醇酸-3-喹咛环酯（QNB）- IUPAC名 1-azabicyclooct-3-yl 2-hydroxy-2,2-diphenylacetate；美军代号：EA-2277；北约代号：BZ(毕兹)；苏联代号：Substance 78。是一种无味的军事失能剂（
脱发脱发，又称为脱发、掉发，指的是毛发从头部或是身体上掉落，一般来说至少会包含头发的脱落，其严重程度可以从一个小范围，乃至全身受影响。一般来说不会伴随发炎或出现疤痕。正常人的
吉西他滨吉西他滨（英语：Gemcitabine），是用于化学疗法的人工合成胞嘧啶核苷衍生物，具有放射增敏作用强，毒副作用较小的特点。礼来公司的注册商品名为健择（Gemzar）。结构是去氧胞苷2'碳上的氢
物理哲学物理哲学是关于自然界物理知识、物理方法及反思的总括。他试图在我们已知的和未知的知识间建立桥梁，阐述我们思感可能达到的领域，并对我们这种探索的价值作出描述。
冷冻凝固是指在温度降低时，物质由液态变为固态的过程，物质凝固时的温度称为凝固点。目前已知的液体几乎都可以在低温时凝固成为固体，氦是唯一的例外，常压下在绝对零度时仍为液体（液态
莫里斯·希勒曼莫里斯·希勒曼（英语：Maurice Hilleman，1919年8月30日－2005年4月11日），美国微生物学家。莫里斯·希勒曼曾发明了超过40种疫苗，分别针对麻疹、流行性腮腺炎、甲型肝炎、乙型肝炎、水
美军虐待伊拉克战俘事件阿布格莱布监狱虐囚事件（英语：Abu Ghraib torture and prisoner abuse；阿拉伯语：فضيحة التعذيب في سجن أبو غريب‎），又称美军虐待伊拉克战俘事件、美英联
碑碑是指人为竖立的石块，通常刻有文字，具有一定用途，如记载事件、指示里程（里程碑）、划定边界（界碑）及作纪念用途（纪念碑）等。中国古代官员都有立碑的习惯，视为荣耀。唐朝的地方官若要立
海上丝绸之路海上丝绸之路，是陆上丝绸之路的延伸，联合国科教文组织所认定的海上丝绸之路起点位于中国福建省泉州市。形成主因是因为中国东南沿海山多平原少，且内部往来不易，因此自古许多人便