用于文档表示的模糊词袋模型

基于摘要分析。本文研究文本挖掘与自然语言处理中的文档向量表示问题，提出 fuzzy Bag-of-Words（FBoW）及 fuzzy Bag-of-WordClusters（FBoWC），用语义软匹配替代传统 Bag-of-Words（BoW）的精确词匹配，以缓解表示稀疏、维度高及难以表达高层语义的问题。 传统 BoW 通过词与基准词的精确匹配统计归一化出现次数。FBoW 则利用词嵌入之间的余弦相似度量化语义相关性，构建词到基准词的模糊映射。FBoWC 进一步以词簇替代单个词作为表示基准，并根据词簇与词之间的不同相似度度量形成 FBoWCmean、FBoWCmax 和 FBoWCmin 三种变体；具体计算与聚合公式尚未验证。作者将这些表示描述为稠密且能够编码高层语义的文档向量。 作者报告，在七个真实世界文档分类数据集上，与六种文档表示学习方法比较，所提 FBoW 和 FBoWC 获得最高分类 Accuracy。摘要未提供数据集名称、具体分数、数据划分及对照方法名称，因此不能判断各变体的收益幅度、稳定性或适用边界；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的机制是假设已有局部特征嵌入的相似度具有任务意义，再通过对原型的软匹配汇聚样本表示。若用于 EEG，可考虑把信号片段嵌入映射至原型集合，但需重新构建嵌入与原型，不能直接沿用词语语义关系。低信噪比、跨被试差异和通道变化可能使相似度失真，无序汇聚也可能丢失关键时序信息。一个可检验的小实验是在固定 EEG 特征及同一数据划分下，仅比较原型硬分配与软分配的分类表现，并保证原型构建不使用测试数据。该假设不构成已验证的 BCI 效果，相关 EEG 工作尚未检索确认。