在我看来，您的问题更像是排名问题而不是分类问题。您是否尝试过更简单的方法，例如具有 unigram 文本表示、Tf-Idf 术语权重和余弦相似度度量的 1-NN“分类器”？它与最先进的技术相去甚远，但它往往在检索和推荐任务中给出相当好的结果。

对于您的特定问题，我不确定使用监督逻辑回归方法是否理想，但我认为这是一个不同且更大的主题。要回答您的问题，是的，您可以使用文本的“词袋”表示。Python 的库通过和sci-kit learn提供此功能。这将导致 n-gram 的稀疏矩阵表示以及这些 n-gram 在您的语料库中的出现。从这里你基本上有 2 个选项，(1) 直接在稀疏矩阵上训练你的监督模型或 (2) 减少你的稀疏矩阵的维度，以便它被表示为一个密集矩阵。幸运的是 sklearn 为这两个提供了功能，它们的类支持稀疏矩阵，并且它们的 PCA/LSA 实现也支持稀疏矩阵。CountVectorizerTfidfVectorizerLogisticRegressionTruncatedSVD

从技术角度来看，这应该可以满足您构建模型所需的条件，但我认为真正的问题是除了简单地训练文本的词袋表示之外，您还可以进行哪些特征工程。

您可能会训练一个主题模型（如LDA）来解决这个问题。这将允许您根据主题向量来表示您的查询（不一定包含所需产品的确切名称）。您还可以根据主题向量来表示您的产品。

然后，您可以根据与查询的相似性（在主题向量空间中）对产品进行排名。