特徴量抽出

- Bag-of-WordsとはBag-of-Words（BoW）は、文章を分析する際に、文章に登場する単語の種類と出現回数に着目する手法です。文章を単語を入れた袋に例え、袋の中にどの単語がいくつ入っているかを数えることで、その文章の特徴を捉えようとします。例えば、「私は犬が好きです。猫も好きです。」という文章は、「私」「犬」「好き」「猫」といった単語の出現回数で表現されます。「私」は一回、「犬」は一回、「好き」は二回、「猫」は一回出現しているので、この文章は{“私” 1, “犬” 1, “好き” 2, “猫” 1}といったように表現できます。このように、BoWでは単語の順番は無視され、あくまで単語の種類とその出現回数のみを考慮します。この手法は、主に文章の分類や検索などに用いられます。例えば、大量のメールの中から迷惑メールを自動的に判別するスパムフィルターを開発するとします。BoWを用いることで、迷惑メールに頻繁に出現する単語（例無料、キャンペーンなど）を特定し、それらの単語が多数含まれるメールを迷惑メールと判定することができます。BoWはシンプルながらも強力な手法であり、自然言語処理の様々なタスクで有効な場合があります。しかし、単語の順番や文脈を考慮しないため、文章の意味を正確に捉えられない場合もあります。「彼は魚を食べるのが好きだ」と「魚は彼を食べるのが好きだ」は全く異なる意味になりますが、BoWでは単語の種類と出現回数が同じであるため、両者を区別できません。そのため、BoWは他のより高度な手法と組み合わせて使用されることもあります。