文档摘要

第三章：传统文本特征表示 清洗完文本后，下一步是把它变成数字。本章从最简单的词袋模型出发，一路讲到 BERT 上下文嵌入，覆盖 NLP 特征表示的完整演进史。 本章学习目标 一、掌握 BoW 和 TF-IDF 的原理、实现和局限。 二、理解 N-gram 如何捕捉局部词序信息。 三、了解词嵌入（Word2Vec/GloVe）的核心思想和向量运算。 四、理解上下文嵌入（ELMo/BERT）如何解决多义词问题。 会员。《第三章：传统文本特征表示》收录于灏天文库文集《自然语言处理基础：文本预处理与特征工程》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/503-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E5%9F%BA%E7%A1%80%E6%96%87%E6%9C%AC%E9%A2%84%E5%A4%84%E7%90%86%E4%B8%8E%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流