文本数据如何转换成计算机能够计算的数据
1. 词袋模型（Bag of Words Model）
把文本（段落或者文档）看作无序的集合，忽略语法和单词的顺序，计算每个单词出现的次数
实战步骤：
例如有三句话语料
["机器学习带动人工智能飞速的发展。",
"深度学习带动人工智能飞速的发展。",
"机器学习和深度学习带动人工智能飞速的发展。"
]
1.引入 jieba 分词器、语料和停用词集合
2.对语料进行分词操作，用到 lcut() 方法：
3.去掉停用词和标点符号
4.把所有的分词放到一个袋子（List）里面，取并集，去重，得到特征词结果
['飞速', '的', '深度', '人工智能', '发展', '和', '机器', '学习', '带动']
5.最后得到三句话的词袋向量
[[1, 1, 0, 1, 1, 0, 1, 1, 1], [1, 1, 1, 1, 1, 0, 0, 1, 1], [1, 1, 1, 1, 1, 1, 1, 1, 1]]
2. 词向量 （Word Embedding）
One-Hot Encoder
向量的长度为整个语料库的大小，每个单词的向量在它自己对应位置上的数值为1，其他位置上为0
这样的词向量看不出词语之间可能存在的关联关系
形成的矩阵过于稀疏，会造成维度灾难。
Word2Vec
是 Google 团队2013年推出的，被广泛应用在自然语言处理任务中
主要包含两种模型：Skip-Gram 和 CBOW
可以将 One-Hot Encoder 转化为低维稠密向量
相似单词之间的距离比较近
学习资料：
《中文自然语言处理入门实战》
