Orange3实战教程：文本挖掘---词袋模型

词袋模型

从输入的语料库中生成词袋。

输入

• 语料库：一组文档的集合。

输出

• 语料库：附加了词袋特征的语料库。

词袋模型创建一个包含每个数据实例（文档）词频的语料库。词频可以是绝对计数、二进制（是否出现）或次线性（词频的对数）。词袋模型通常与词富集结合使用，也可用于预测建模。

1. 词袋模型参数：
   • 词频计算方式：
     • 计数：单词在文档中出现的次数。
     • 二进制：单词是否在文档中出现。
     • 次线性：词频（计数）的对数。
   • 文档频率计算方式：
     • （无）
     • IDF：