向量空间模型（例如TF-IDF），又被形象地称为『词袋』模型，就像是把文档里的词汇，放入到以词典作为标签的袋子里。 我们可以看到，基于词袋模型的文档表示方法，虽然考虑了词的重要程度，但它只是根据词的统计特性表示一个文档，而没有考虑到词在文中的次序。这样就有了一个新的思路：将文档表示成词编码的一个序列，这样词在文档上下文关系信息就能够保留下来。在李孟博士的原博客里，后续演示使用的是TensorFlo

要让电脑或是任何NLP 模型理解一篇新闻标题在说什么，我们要转换成它熟悉的形式：数字。在中文的语言特征里，文档的基本单位主要由词构成。中文文档的数字表示时，通常需要先做分词以及词的编码。借助 Jieba 这个中文分词工具，可以轻松实现中文的分词。完成分词之后，就可以进行文档的数字化表示。 可用的方法有很多，我们首先从常用的 TF-IDF文档向量表示方法入手。TF-IDF是一种向量空间模型（VSM：