---
title: Метод векторизации
seo:
title: Метод векторизации — Data Scientist
description: Тема «Метод векторизации» для собеседования Data Scientist. Основные методы векторизации текстовых данных.
---
[Все темы Data Scientist](/data-scientist)
## Основные методы векторизации текстовых данных. [#q-14bee738d69b816f8bb1f861b5e60fd9]
Основные методы векторизации текстовых данных:
1. Мешок слов (Bag of Words): Представляет текст как набор изолированных слов без учета порядка или структуры предложения. Каждое уникальное слово в тексте становится признаком, а его частота встречаемости в документе — значением этого признака.
1. TF-IDF (Term Frequency-Inverse Document Frequency): Учитывает не только частоту встречаемости слова в документе (TF), но и обратную частоту его встречаемости во всех документах коллекции (IDF). Это позволяет выделить наиболее информативные слова, учитывая их важность в контексте всей коллекции документов.
1. Word Embeddings: Представляют слова в виде векторов
непрерывного пространства, где семантически близкие слова имеют близкие
векторные представления. Примеры включают Word2Vec, GloVe и FastText.
1. Doc2Vec: Расширение Word2Vec, которое представляет не только
отдельные слова, но и целые документы в виде векторов, сохраняя их
семантическое содержание.
1. N-граммы: Включают в себя комбинации из нескольких
последовательных слов или символов. Например, биграммы (2-граммы) содержат
последовательности из двух слов, триграммы (3-граммы) — из трех и т.д.
:::note[Ссылки для изучения]
1. [Краткий обзор техник векторизации текста](https://habr.com/ru/articles/778048/)
:::