text - "document"在 NLP 上下文中意味着什么？

Question

当我阅读关于 tf–idf 的内容时在 Wiki 上，我对“文档”这个词的含义感到困惑。是段落的意思吗？

“逆文档频率是衡量单词提供多少信息的量度，即该术语在所有文档中是常见还是罕见。它是包含该单词的文档的对数比例倒数，通过以下方式获得将文档总数除以包含该术语的文档数，然后取该商的对数。”

Answer 1

tf-idf 上下文中的

Document 通常可以被认为是一个词袋。在向量空间模型中，每个单词都是一个非常高维空间中的维度，其中单词向量的大小是单词(术语)在文档中出现的次数。 Document-Term 矩阵表示一个矩阵，其中行表示文档，列表示术语，矩阵中的每个单元格表示文档中单词的出现次数。希望一切都清楚。