为了降低该段话的查重率并保持其句句对应如何修改以下这段话文本向量化层主要是将政务留言文本转化为向量的形式。文本向量化的方法很多在第四章中通过实验证明了在政务留言文本分类任务中将Word2vec、Glove、BERT和ROBERTA获得的词向量分别输入到分类模型中时基于ROBERTA词嵌入的模型分类性能要比其他模型好因此本章也将使ROBERTA模型对政务留言文本进行向量化表示。

为了减少此段话的重复率并保持其句子对应，可以进行以下修改：

“文本向量化层的主要作用是将政务留言文本转化为向量形式。虽然实现文本向量化的方法很多，但在第四章的实验中，我们发现将Word2vec、Glove、BERT和ROBERTA所提供的词向量分别输入分类模型时，基于ROBERTA词嵌入的模型在政务留言文本分类任务中表现最佳。因此，本章也会采用ROBERTA模型对政务留言文本进行向量化表示。”