文本分类任务 面些毛子种枝大等 XIDIAN UNIVERSITY )文档表示 口预处理：分词（中文） ■对文档进行分词，去掉与分类关联不大的词汇（如停用词) > 停用词：的，啊，了，么等没有意义的词；我、你、他等意义不 大的词 > 实现方法：有成形的工具，如中科院，清华，哈工大，西电的分 词工具 口文档表示（通用方法） 词表 ■向量空间法→将文档表示成一个向量 词频表示法 人民：10 日报：11 引领：12 位置编号 01234567 89… 民族：13 引领民族复兴的战 这个D0c=(14,15,10,10,11,11,13,… 复兴：14 战略：15 2017/5/6 软件工程系 文本分类任务  文档表示 预处理：分词（中文）  对文档进行分词，去掉与分类关联不大的词汇（如停用词） ➢ 停用词：的，啊，了，么等没有意义的词；我、你、他等意义不 大的词 ➢ 实现方法：有成形的工具，如中科院，清华，哈工大，西电的分 词工具 文档表示（通用方法）  向量空间法  将文档表示成一个向量 ➢ 词频表示法 词表 … 人民：10 日报：11 引领：12 民族：13 复兴：14 战略：15 … 0 1 2 3 4 5 6 7 8 9… (14, 15, 10, 10, 11, 11, 13, …) 位置编号 这个Doc=