概念Bag-of-Words / BoW
词袋模型
文本表示的经典方法，将文本拆解为词的集合，忽略语序，统计词频或权重（如TF-IDF），计算成本低，常作为NLP分类任务的基线方法
时间轴 (近 90 天)
9月29日
词袋模型将文本拆解为词的集合，忽略语序，只统计每个词出现的频率或权重
待验证50%
9月29日
词袋模型丢失词序信息，无法捕捉上下文语义，导致'这部电影不好看'和'这部电影好看不'在词袋表示下几乎完全相同
待验证50%
9月19日
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
待验证50%