1.4　词袋模型

词袋模型是一种简单的文本表示方法，也是自然语言处理的一个经典模型。它将文本中的词看作一个个独立的个体，不考虑它们在句子中的顺序，只关心每个词出现的频次，如下图所示。

词袋模型

小冰：看起来N-Gram模型考虑了词与词之间的顺序关系，而词袋模型则忽略了这个信息。我想，这能让词袋模型在某些应用场景下，比如文本分类和情感分析等，更加简单高效吧。

咖哥：正是如此！比如有这样两个句子。

■ "咖哥喜欢吃苹果"

■ "苹果是咖哥喜欢的水果"

词袋模型会将这两个句子表示成如下的向量。

■ {"咖哥": 1, "喜欢": 1, "吃": 1, "苹果": 1}

■ {"苹果": 1, "是": 1, "咖哥": 1, "喜欢": 1, "的": 1, "水果": 1}

通过比较这两个向量之间的相似度，我们就可以判断出它们之间关联性的强弱。

小冰：哦，原来是这样！那我们可以用代码实现这个过程吗？

咖哥：当然可以，我们来编写一个简单的词袋模型。