BOW（Bag-Of-Words）模型在信息检索中发挥作用，它忽略了文档中的单词顺序、语法和句子结构，每个单词被视为独立元素。通过创建词典，例如{'John': 1, 'likes': 2, 'to': 3, ...}，可以将每个句子转化为向量表示，记录每个词的出现次数。然而，当词典规模大时，向量会变得稀疏，丢失顺序信息。为了优化，通常会进行词形还原和停用词移除。"
124544134,8493369,滑动窗口平均值计算,"['算法', '数据结构', 'java', '滑动窗口']
《基础知识》BOW（Bag-Of-Words）
前提：信息检索
特点：忽略文档中的单词顺序、语法和语句等要素
核心：文档中的任意一个单词都是可以独立选择，不受文档语意影响
举例：
文档包含两个句子：
John likes to watch movies. Mary likes too.
John also likes to watch football games.
从上述两句话可以得到一个字典：
{“John”: 1, “likes”: 2, “to”: 3, “watch”: 4, “movies”: 5, “also”: 6, “football”: 7, “games”: 8, “Mary”: 9, “too”: 10}
该文档中一共包含10个词，每一个词都有唯一的索引与之对应，可以建立该文档中每一个句子的向量【向量长度为字典中词的个数】
bow的作用就是记录了每一个句子中第i个单词在句子中出现的次数。
缺点：
-
当词典中单词个数庞大时，会导致出现一个稀疏表示的向量。
<
订阅专栏 解锁全文
4033
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
