[NLP]文本表示
文本表示：one-hot(单词)，boolean representation(句子),count-based representation（句子）
词典：[我，要，去，北京，上海，南京]
One-hot：向量空间只有一个维度是1，其余都是0（缺点：高维度高稀疏）
w1=我：[1,0,0,0,0,0]
w2=要：[0,1,0,0,0,0]
w3=去：[0,0,1,0,0,0]
w4=北京：[0,0,0,1,0,0]
缺点：矩阵稀疏；不能表示语义
boolean representation
s1=我 要 去 北京：[1,1,1,1,0,0]
s2=我 要 去 上海：[1,1,1,0,1,0]
s3=我 要 去 北京 啊 北京：[1,1,1,1,0,0]
count-based representation
我 要 去 北京：[1,1,1,1,0,0]
我 要 去 北京 啊 北京：[1,1,1,2,0,0]
二、文本距离
欧式距离：
余弦距离：
三、词向量
从第一节我们知道one-hot表示方法的缺陷，为解决这个问题，我们使用分布式表示方法（针对于单词的方法是词向量）。
二者区别：100维的one-hot表示法最多可以表示100个单词，但是100维的分布式表示方法最多可以表示无数个单词。
分布式表示：基本思想是将每个词表达成n维稠密、连续的实数向量。具有很强的特征表达能力。
①能计算词与词之间的相似度，能对词进行可视化
