「文檔」在NLP環境中意味着什麼？

Question

當我在Wiki上看到關於tf–idf的消息時，我對「文檔」這個詞意味着什麼感到困惑。這是否意味着段落？ 「

」逆文檔頻率是單詞提供多少信息的度量，也就是說，該術語在所有文檔中是常見還是罕見，它是包含該單詞的文檔的對數縮放反分數，獲得將文件總數除以包含該術語的文件數，然後取該商的對數。「

Answer 1

Documenttf-idf上下文通常可以被認爲是bag of words。在一個vector space model中，每個單詞都是高維空間中的維度，其中單詞向量的大小是單詞（詞語）在文檔中出現的次數。 A矩陣表示矩陣，其中行代表文檔，列代表術語，矩陣中的每個單元代表文檔中單詞的出現次數。希望很清楚。

Answer 2

「文檔」是一個不同的文本。這通常意味着每篇文章，每本書都是它自己的文檔。

如果您願意，您可以將單個段落甚至句子視爲「文檔」。這都是一個觀點問題。