文本向量化：One-hot编码、TF-IDF和词袋模型

One-hot编码：将每个词映射为一个唯一的ID，然后将每个ID转换为一个长度为词汇表大小的向量，其中每个位置上的值都为0，除了对应ID的位置，其值为1。

TF-IDF：首先计算每个词在文档中出现的频率（TF），然后计算每个词的逆文档频率（IDF），最后将两个值相乘得到TF-IDF值。将每个文档表示为一个向量，其中每个位置上的值为对应词的TF-IDF值。

Bag of Words（BoW）：将文档表示为一个词袋，其中每个词被视为一个独立的特征。首先构建词汇表，然后计算每个词在文档中的出现次数。将每个文档表示为一个向量，其中每个位置上的值为对应词的出现次数。