词袋

✍ dations ◷ 2025-10-19 10:00:46 #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

头晕头晕（英语：Dizziness），是一种空间认知和稳定度的功能性障碍。头晕（dizziness）一词的定义较含糊不清，因为头晕可能是眩晕、晕厥前期（英语：presyncope）、重心平衡障碍（英语：Balance disor
哲罗姆哲罗姆，天主教译圣热罗尼莫或圣叶理诺，也译作圣杰罗姆（约340年－420年；英文：Jerome（以前叫 Saint Hierom）；拉丁文：Eusebius Sophronius Hieronymus；希腊文：Εὐσέβιος Σωφρόν
绒毛膜癌绒毛膜癌（英语：Choriocarcinoma）是一种恶性的、位于滋养层的癌症，通常见于胎盘。它属于妊娠滋养细胞疾病的癌症晚期情况，也属于生殖细胞瘤，并且病发于睾丸或卵巢中。主要特征是与
外吐小体外吐小体（英语：exosome）是一种大小约50到90nm的囊泡，可由多种不同的哺乳动物细胞分泌形成。最早发现的部位是未成熟的哺乳类红血球，观察显示具有选择性地将一些细胞膜蛋白移出的
纬度纬度（φ）是地球表面一个点的南北地理位置的表示法。纬度与经度通常一起使用以确定地表上某点的精确位置。纬度是一个角度，其范围从赤道的0度到南北极的90度。在英文文本中，纬度
嗜鸟龙嗜鸟龙属（属名：Ornitholestes，意为“抢劫鸟类者”）是种小型兽脚亚目恐龙，生存于晚侏罗纪的劳亚大陆西部，约为现在的北美洲。对于嗜鸟龙的了解几乎都来自单一个化石，该化石在1900年
印度斯坦族印度斯坦人（英语：Hindustani people）又译“兴都斯坦人”，世界人口排名第二的民族（仅次于汉族），是对印度北部和整个南亚以北地区的主要民族的一种通称。他们是印度十大民族中人口最
弗拉基米尔大公弗拉基米尔大公（Великий князь владимирский）是中世纪俄罗斯封建分裂时期弗拉基米尔公国统治者的称号。1155年，统治罗斯托夫-苏兹达尔的王公安德烈·
感热纸热敏纸是一种特种高级纸，使用一种化学原料涂抹在纸上，使得纸张可因受热而改变颜色，不需要使用墨水或油墨。热敏纸可以使用于热感打印机，且特别使用在廉价且重量轻的设备，像是传真
σ键σ键(西格马键) 是价键理论和分子轨道理论中一种化学键的名称。由两个相同或不相同的原子轨道沿轨道对称轴方向相互重叠而形成的共价键，叫做σ键。一般“单键”属于σ键，比如C