词频-你文件频率（TF-IDF）

缺点：

1. 词频（TF）和逆文件频率（IDF）的统计和计算都直接从语料统计得出，当增加语料的时候，TF和IDF往往需要重新计算，无法增量更新，每次添加语料，需要重新计算词频。 

2. 没有考虑特征词的位置因素对文本的区分度，词条出现在文档的不同位置时，对区分度贡献大小是不一样的。
   

3. 按照传统TF-IDF，往往一些生僻词的IDF（反文档频率）会比较高、因此这些生僻词往往会被误认为是文档关键词。
   

One-Hot缺点：

    1.词通常很多，几十万个词，那就需要句子长度x几十万的矩阵才能表示这个句子

    2.这种方法效率低下，矩阵包含很多零

    3.无法表达相似性

    4.新加一个词我们需要重新计算

One-Hot理解：

先给句子分词，分词组从词表，词表有索引，然后编码形成矩阵

文本表示方法：One-Hot、TF-IDF、Word2Vec

缺点:

浪费空间,不利于计算

体现不出单词间的关系

优点:

长度远小于字典长度

向量加爵代表相似度

可以增量添加新词

一个朴素的想法就是,我们把One-Hot中0的位置也利用起来,并且用浮点数来表示词特性,这样我们就可以用固定的,较小的维度来表达海量的信息

IDF 是逆文件频率，表示关键词的普遍程度。

如果包含词条i的文档越少，IDF越大，则说明该词条具有很好的类别区分能力。

某一特定词语的IDF，可以由总文件数目除以包含该词语的文件数目，再将得到的商取对数得到。

不懂的名词儿：

卷积 

过拟合

loss

激活函数

embedding层

试试笔记功能，调阈值

老师，代码在哪里呀？4章 和5 章

建模区别：

1111

1111111

22222

github

独热编码的缺点

独热编码（one-hot）

文本表示方法

文本分类任务描述

文本分类任务描述

应用——知识点抽取

应用-----非结构化信息提取

应用--意图识别

应用，情感分析

文本分类任务描述

我的笔记笔记笔记，自然期刊

我的笔记笔记笔记，自然自然

我的笔记笔记笔记，自然

我的笔记笔记笔记，自然

我的笔记啊啊啊 我的笔记啊啊啊 我的笔记啊啊啊 我的笔记啊啊啊 我的笔记啊啊啊