【图神经网络基础】认识数据集特征的编码方式--TF-IDF（Term Frequency-Inverse Document Frequency）加权词袋模型

        TF-IDF（Term Frequency-Inverse Document Frequency）加权词袋模型是一种在信息检索和文本挖掘中广泛使用的方法，用于衡量一个词在一个文档集中的重要性。它通过结合词频（Term Frequency, TF）和逆文档频率（Inverse Document Frequency, IDF）来计算词的权重，从而更好地表示文档的特征。以下是TF-IDF模型的详细介绍：

1. 词袋模型（Bag of Words, BoW）

        词袋模型是最简单的文本表示方法之一。它不考虑词语顺序，只关注词语的出现次数。每篇文档被表示为一个向量，向量的每个维度对应一个词汇表中的词，值为该词在文档中的出现次数。

例子

假设有以下三个文档：

• Doc1: "I love machine learning"
• Doc2: "machine learning is great"
• Doc3: "I love learning"

词汇表（Vocabulary）可能是：["I", "love", "machine", "learning", "is", "great"]

根据词袋模型表示：

• Doc1: [1, 1, 1, 1, 0, 0]
• Doc2: [0, 0, 1, 1, 1, 1]
• Doc3: [1, 1, 0, 1, 0, 0]

2. TF-IDF加权词袋模型

        TF-IDF模型在词袋模型的基础上，进一步考虑了词在整个文档集中的重要性。它由两个部分组成：

2.1 词频（Term Frequency, TF）

   &