机器学习备忘录之文本表示模型

词袋模型(Bag of Words) 词袋模型是最基础的文本表示模型。将文章以词为单位切分开，忽略词的出现顺序，将文章表示成一个长向量（每一维代表一个单词，该维的权重表示重要程度）。常用TF-IDF(Term Frequency-Inverse Document Frequency)来计算权重。 某个单词在一篇文章中出现的频率高，并且在其他文章中很少出现，则认为该词具有很好的类别区分能力，适合用来

>>阅读原文<<