Bag of words (BOW)

تمثيل الكلمات في عبارة أو مقطع، بغض النظر عن الترتيب. على سبيل المثال، تمثل حقيبة الكلمات العبارات الثلاث التالية بشكل متماثل:
• the dog jumps
• jumps the dog
• dog jumps the
يتم تعيين كل كلمة إلى فهرس في متجه متناثر (sparse vector)، حيث يحتوي المتجه على فهرس لكل كلمة في المفردات. على سبيل المثال، يتم تعيين العبارة “the dog jumps” في متجه ميزة (feature vector) بقيم غير صفرية في المؤشرات الثلاثة المقابلة للكلمات the ، dog ، jumps. يمكن أن تكون القيمة غير الصفرية أيًا مما يلي:
a) 1 للدلالة على وجود كلمة.
b) عدد مرات ظهور كلمة في الحقيبة. على سبيل المثال، إذا كانت العبارة ” the maroon dog” هي ” dog with maroon fur”، فسيتم تمثيل كل من maroon و dogبالرقم 2، بينما سيتم تمثيل الكلمات الأخرى بالرمز 1.
c) قيمة أخرى، مثل لوغاريتم عدد المرات التي تظهر فيها الكلمة في الحقيبة.