文本特征提取方法--TFIDF和Word2Vec模型

文本特征提取--TFIDF与Word2Vec

• 1.TF-IDF

• • 1.1 定义
  • 1.2 计算过程：
  • • 1.2.1 TF（Term Frequency）：
    • 1.2.2 IDF（InversDocument Frequency）：

• 1.3 基于scikit-learn的实现：以该机器学习框架为工具展开研究与开发工作。

  • 1.4 优缺点：对所采用的技术方案进行了全面的技术优势与劣势分析。

  • 1.5 主要应用：详细阐述了该算法在实际中的应用场景。

  • 1.6 TF-IDF的具体实现方法：

    • 1.6.1 利用sklearn库计算TF-IDF值
    • TF-IDF的具体参数设置包括：
      • 文档矩阵中的权重系数
      • 最小化/最大化处理方式
      • 共享词与否等关键参数设定

  • TF-IDF的具体参数设置包括：文档矩阵中的权重系数、最小化/最大化处理方式以及共享词与否等关键参数设定。

  • 2.Word2Vec

  • • 2.1 概念

  • 参考链接

1.TF-IDF

1.1 定义

TF-IDF为Term Frequency-Inverse Documen