前言
BoW，全称Bag of Words，中文名称为词袋模型，最初被用在NLP的文本分类任务中，将文档表示成特征向量。
步骤
- 提取出文本独特的word，然后给每个word赋予一个one hot vector（只有一个维度为1，其他为0）即建立了一个词库。
- 根据词库，得到每个句子对应的特征向量。
优点
简单，方便。
新增一个词也比较方便。
不足
只关注了词出现的次数，并没有考虑其顺序。
当词库较大时，特征向量比较稀疏。
示例
文档1：John likes to watch movies. Mary likes too.
文档2：John also likes to watch football games.
Vocabulary = {“John”: 1, “likes”: 2,“to”: 3, “watch”: 4, “movies”: 5,“also”: 6, “football”: 7, “games”: 8,“Mary”: 9, “too”: 10}
特征向量：
文档1： [1, 2, 1, 1, 1, 0, 0, 0, 1, 1]
文档2： [1, 1,1, 1, 0, 1, 1, 1, 0, 0]