纸袋图在文本特征工程中的应用

Question

关于包图在文本特征工程中的应用，我有几个问题：

1. 如何(或我们可以？)在纸袋上执行word2vec？
2. 当n克袋的特征空间随'N‘呈指数增长时，是什么(还是有？)是否经常与纸袋一起使用，以提高计算和存储效率？
3. 或者，通常情况下，在将文本字段转换为文本特征字段时，n-gram包是否与其他功能工程技术一起使用？

Answer 1

我一起回答三个问题。嵌入获取令牌，即最小的有意义的文本片段，然后定义它。这意味着你可以称人物为最小的有意义的作品，单词、短语或任何你的创造力所允许的东西。Word2vec是基于单词的，所以如果您输入ngram作为标记，您将得到相同的特征空间，其中也会考虑到ngram。

如果嵌入，将自动处理弓特征空间的高维性(问题2)，整个想法也是回答问题3(如果没有，请用精确的特征工程技术更新您的问题，我也会更新我的答案)。

免责声明:输出，无论如何直观地工作，可能在内部存在一些现象，您需要小心，例如嵌入算法分别看到“数据”和“科学”，并且在相同的上下文中尝试嵌入“数据科学”。它可能会减少语义映射。例如，在这种情况下，如果您不考虑ngram的单个标记，它将是完全好的，但您可能不想跳过两个语义强大的单词，如“数据”和“科学”。所以，小心点。