在机器学习模型中表示关键字的所有可能方法是什么？
我知道的两个是：
我们有一个特定的问题，我们正在执行客户端（浏览器）ml，并且需要将文本数据转换为模型可以使用的东西，而无需将其发送到服务器。
编辑：（注释说明）文本数据是从我们的脚本加载的页面中提取的，然后我们希望在浏览器上本地运行模型 - 使用页面中基于文本的功能（理想情况下）。我们正在最小化所有元素中需要发送到服务器的任何数据。
就模型而言，在这个阶段没有定义，这个问题也主要涉及基于文本的特征的表示。
由于问题中已经提到了（基于单词的）单热编码和实值向量表示，我只会添加 n-gram 表示，尤其是基于字符的 n-gram 表示。
对于基于单词的n-gram 表示，您考虑的不是单个单词，而是它们在文本中的有序组合，并对组合使用 one-hot 编码。例如，对于 n=2，您最终可能会得到二元组 [“John likes”、“likes to”、“to watch”、“watch movies”]，并且它们中的每一个都将使用静态索引分配给某个维度。
这也适用于字符，因此您可以使用以下 3-gram 表示单词“encoding”：[“enc”、“nco”、“cod”、“odi”、“din”、“ing”]。通常会添加 n-gram 的 one-hot 编码，因此在生成的 Bag-of-n-gram 表示中可以识别同一 n-gram 的多次出现。这种表示对于具有丰富形态和/或复合的语言特别有用字。在 one-hot 表示中，每个单词形式都将在其自己的维度中编码，而字符 n-gram 方法有助于保持不同形式之间的相似性。英语中的一个例子是“encode”、“encoded”和“encoding”之间的相似性，它将以这种方式保持不变。一些考虑子词信息的词嵌入算法也使用类似的技术，例如FastText。
此外，虽然它不是直接的编码，但根据您的用例和语言，可能值得查看不同的预处理选项，例如词形还原和词干提取，您可以将不同的单词形式简化为基本形式。这也会影响表示的选择，例如，如果您选择使用这些预处理技术，则基于单词的 one-hot 编码可能更有意义。