本文主要是介绍NLTK（9.2）生成特征向量与文本相似度，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 生成对应特征向量
生成对应特征向量
几种文本特征向量化方法
1.词集模型：one-hot编码向量化文本（统计各词在文本中是否出现）
2.词袋模型：文档中出现的词对应的one-hot向量相加（统计各词在文本中出现次数，在词集模型的基础上。）
3.词袋模型+IDF：TFIDF向量化文本（词袋模型+IDF值，考虑了词的重要性）
4.N-gram模型：考虑了词的顺序
5.word2vec模型：使用文章中所有词的平均词向量作为文章的向量
这篇关于NLTK（9.2）生成特征向量与文本相似度的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
