待验证50% 置信事实精确时间
词向量化（如TF-IDF或词袋模型）将清洗后的文本转换为数值矩阵，是聚类、主题模型和情感分类等后续机器学习分析的共同前提
1
来源数
50%
置信度
长期有效
时效性
2026/9/19
首次发现
来源
涉及实体
相关事实
待验证嵌入模型的作用是把文本转换为高维向量，让机器能够以数学方式衡量语义相似度72% 相似待验证近义词归一化可通过Sentence-BERT等句嵌入模型将词语映射为稠密向量，再通过余弦相似度计算语义接近程度71% 相似待验证词汇-韵律单元化与分块方法仅对连续的词单元进行池化处理，以在文本和语音两种模态中保留事件的身份和量级69% 相似待验证上下文偏置/热词偏置在解码阶段通过WFST或注意力机制动态提升特定词汇的输出概率，实现方式包括浅层融合和深层偏置68% 相似待验证FSBoard 主要覆盖指拼而非完整的手语词汇和语法表达，使基于该数据集训练的模型在理解连贯手语句子方面仍有提升空间67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/934918API
curl https://kongchang.com/api/v1/knowledge/claims/934918MCP
get_claim(id=934918)