HTML 标签 和 HTML的特殊实体字符。在网页上爬文本后要注意清洗。

它是对文档频率的倒数，文档频率指包含某个词的文档数目。TF-IDF（Term Frequency-Inverse Document Frequency）： TF-IDF 是将词频和逆文档频率结合起来计算词的权重，用于衡量一个词在文本中的重要程度。这些方法仅是词权重计算的一部分，还有其他方法如基于词共现矩阵的方法、词嵌入（Word Embedding）等也可以用于计算词权重。计算文本中词的权重是自然

生成器对象是一种特殊的迭代器，它并不会立即生成所有的结果，而是在需要时逐个生成，这样可以节省内存和提高效率。当你需要使用分词结果时，可以通过遍历生成器对象或使用。是用于中文分词的函数，它接收一个字符串作为输入，返回一个生成器对象，用于逐个产生分词后的结果。函数返回的确实是一个生成器对象（generator object），而不是一个普通的列表。返回的是一个生成器对象，而不是分词后的结果列表。，而不

CNN可以得到图像的局部细节特征（图像中某些线条的弯曲程度等）和空间相关特征（图像中线与线之间的距离等等）从而达到准确的分类和识别。

然而，ReLU 也存在一些问题，如 "Dead ReLU" 问题，即某些神经元在训练过程中可能始终保持不活跃，以及 "Exploding Gradient" 问题，即在某些情况下可能会导致梯度爆炸。Tanh 函数的输出范围在 -1 到 1 之间，这使得它对于一些问题比 Sigmoid 函数更适用，如将输出映射到一个有界的范围。这在某些情况下可能对网络的训练有所帮助。尽管 Sigmoid 函数是非线

原因：初始化的Embedding词向量集合大小太小（必须要输入的要小），数据没有找到对应词向量，可查看word2index字典大小与词向量集合大小对比分析。