Modèle du sac de mots
Le modèle de sac de mots est une représentation simplificatrice utilisée dans le traitement du langage naturel et la récupération d'informations (IR).
Dans ce modèle, un texte (tel qu'une phrase ou un document) est représenté comme le sac (multiset) de ses mots, sans tenir compte de la grammaire ni même de l'ordre des mots, mais en conservant la multiplicité . Le modèle du sac de mots a également été utilisé pour la vision par ordinateur .
Le modèle de sac de mots est couramment utilisé dans les méthodes de classification de documents dans lesquelles l'occurrence (de fréquence) de chaque mot est utilisée comme caractéristique pour la formation d'un classifieur.
On peut trouver une référence précoce au "sac de mots" dans un contexte linguistique dans l'article de Zellig Harris de 1954 sur la structure de distribution.
Dans la vision par ordinateur, le mode de sac de mots (modèle BOW) peut être appliqué à la classification d'images, en traitant des caractéristiques d'image sous forme de mots. Dans la classification des documents, un sac de mots est un vecteur clairsemé de comptes d'occurrence de mots; c'est-à-dire un histogramme clairsemé sur le vocabulaire. En vision par ordinateur, un sac de mots visuels s est un vecteur de comptages d’occurrences d’un vocabulaire de caractéristiques d’image locales
