zjjaibc的博客

词袋模型的第一步是分词(tokenization)，即将句子拆分成单个词或子词（词元，token）​，词袋模型旨在以数字形式创建文本的表示(representation)，也称为向量或向量表示。在本书中，我们将这类模型称为表示模型(representation model)。缺点：忽略了文本的语义特性和含义。

参数解包（Argument Unpacking）涉及 （单星号）和 （双星号）两种操作符，它们分别用于解包位置参数和关键字参数，并可以组合使用（合并解包）。“merge_pair(*best_pair, splits)”中“*best_pair”涉及到的语法。并衍生解包相关的话题。使用 * 运算符可以将序列（如列表、元组）解包为位置参数。可以在一次函数调用中同时使用位置参数解包和关键字参数解包。使用 ** 运算符可以将字典解包为关键字参数。