詳細解釋
詞袋模型（Bag of Words）是將文本表示為詞頻向量的簡單方法，忽略詞序，只關注出現了哪些詞。
運作方式：
- 建立詞典：統計所有文檔的詞彙集合
- 向量化：每個文檔表示為詞頻向量
- 使用：向量可用於機器學習任務
示例：
「我喜歡AI」→ [我:1, 喜歡:1, AI:1, 討厭:0, ...]
優勢：
- 簡單高效：易於理解和實現
- 穩定基線：許多任務的強基線
- 可解釋：向量的每維對應具體詞
局限：
- 丟失語序：「狗咬人」=「人咬狗」
- 語義盲：同義詞視為不同詞
- 維度災難：詞典大時向量稀疏
改進：
- TF-IDF：加權重要詞
- N-gram：保留局部詞序
- 嵌入向量 (嵌入 / 詞嵌入 / 向量嵌入) (Embedding Lookup)：現代語義表示
仍用於快速原型和特徵工程。