知识卡片

普通读书笔记卡 · 6644.a.1.ao · 生成模型:未记录

文本向量必须共享维度定义

理解等级:中级

先建立词到维度的固定映射,每篇文档和查询再按同一预处理计算各维次数,才可比较向量。每篇独建词表会让相同位置代表不同词;直接空串连接多个文档也可能粘连边界。原示例是词频模型,未使用TF-IDF或语义向量,停用词与词干策略需在查询和索引保持一致,不能把同干都视为相同含义。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第3章 形态学:在实践中学习,spine057单元008;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00056.html。 - 结论依据:原文keyword索引、constructVector和查询步骤支持共同坐标系;示例实际按次数累加,没有权重或嵌入训练。未在本机运行示例或改变环境。 - 原始内容:in uniqueVocablist: vectorIndex[word]=offset offset+=1 return vectorIndex #(keyword:position) 3.这里使用了一个简单的术语计数模型。考虑下面将文本字符串转换为向量的