一. BOW

BOW的全名為Bag-of-words，中文是'一袋文字'，意思就是將詞都丟進一個袋子裡，所以又稱'詞袋'模型，假設有n個句子(或文章)，總共有m個詞，最後會形成nxm的矩陣，如下圖：

每個句子會有m個元素，若有出現在這個句子的詞，該詞的位置的地方會加1，以上圖為例，S1這個句子中出現1次W1，W2出現0次，W3出現3次，以此類推。

雖然這樣的表示方式非常簡便且快速，但缺點也是滿多的:

1. 無法取得前後文的關係
2. 無法解決一詞多義的問題
3. 形成稀疏矩陣，0的元素過多

二. TF-IDF
全名為 Term Frequency - Inverted Document Frequency，其實就是由兩個部分相乘。分別為'Term Frequency(詞頻)'與 'Inverted Document Frequency(逆詞頻)'，通常表示文本/句子中的每個詞的重要程度為何，也滿多人利用BOW與TFIDF的方式來表示文本/句子。

1. 詞頻(TF)：
   這個代表的意思就是詞出現的頻率，越多代表越重要，公式為: 一個詞出現在某一文件的次數/該文件中所有單詞的數量，如下圖，該圖為維基提供的圖，i表示第i個詞，j表示第j篇文章，k表示第j篇文章的所有詞，舉一個例子，若'優秀'在一篇文章文章出現20次，但這篇文章有5000個字，另一篇文章'優秀'出現10次，但這篇只有100個字，所以 tf('優秀', '文件一'): 為 1/250，tf('優秀', '文件二'): 為 1/10
   

2. 逆詞頻(IDF):
   這個是用來制衡詞頻帶來的一些負面影響，像是'的'這個詞出現非常多次而且每篇文章都有，但這個詞本身比不重要。用idf來抑制剛剛的情況，每個「詞」在所有「文件」站的重要性為何，公式如下該圖為維基提供的圖，D表示所有的文件，分母表示這個詞出現在幾篇文章當中，這樣像是'的'，他的IDF都很低
   

3. TF-IDF
   將上述2者相乘即可~~

明天會利用python來實作TFIDF~