Spark - 学习CountVectorizer

CountVectorizer和CountVectorizerModel用来把文本文档的集合转换成token数量的矢量。如果没有字典，CountVectorizer可以抽取vocabulary（词汇）生成CountVectorizerModel。该model为文档生成词汇的稀疏表示，然后可以传给其他算法，比如LDA。

public class CountVectorizerDemo {
   

    public static void main(String[] args) {
   
        SparkSession spark = SparkSession.builder()
                .master("local")
                .appName("CountVectorizer")
                .getOrCreate();

        List<Row> data = Arrays.asList(
                RowFactory.create(0, Arrays.asList("Jason", "David")