词袋模型的理解-2014-05-06.pptVIP

“词袋模型”的理解 目录 一、bag-of-words 简介 二、bag of visual words（视觉词袋模型） 三、bag-of-visual-words模型建立步骤 一、bag-of-words 简介 Bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。 例如有如下两个文档： Bob likes to play basketball, Jim likes too. Bob also likes to play football games. 基于这两个文本文档，构造一个词表： Vocabulary = {1. “Bob”, 2. “like”, 3. “to”, 4. “play”, 5. “basketball”,6. “also”, 7. “football”, 8. “games”, 9. “Jim”, 10. “too”}。 这个词表一共包含10个不同的单词，利用词表的索引号，上面两个文档可以用一个10维向量表示(向量中元素为词表中单词在文档中出现的频率)： D=[1, 2, 3,