谷歌声明可以使用“词向量算法”来确定流行的关键字。我研究了http://en.wikipedia.org/wiki/Vector_space_model，但无法理解术语“术语向量算法”。
请用简短的摘要，非常简单的语言来解释它，仿佛读者是一个孩子。
我相信“向量”是指数学定义，一个具有方向和大小的量。关键字的数量如何朝着一个方向移动？
http://en.wikipedia.org/wiki/Vector_space_model声明“每个维度对应一个单独的术语。” 我认为维度与基数有关，对吗？
摘自 Alex Holmes 所著的 Hadoop In Practice 一书，第 12 页。
这意味着每个单词形成一个单独的维度：
示例：（无耻地取自这里）
对于仅包含三个单词的模型，您将获得：
dict = { dog, cat, lion }
Document 1
“cat cat” → (0,2,0)
Document 2
“cat cat cat” → (0,3,0)
Document 3
“lion cat” → (0,1,1)
Document 4
“cat lion” → (0,1,1)
MapReduce 最流行的例子是计算工作频率；即，将单词作为键输出为 1 作为值的映射步骤，以及对每个单词的数字求和的归约步骤。因此，如果网页有一个出现的（可能重复的）单词列表，则该列表中的每个单词都映射为 1。reduce 步骤本质上是计算每个单词在该页面中出现的次数。您可以跨页面、网站或任何标准执行此操作。结果数据是一个字典，将单词映射到频率，这实际上是一个词频向量。
Example document: "a be see be a"
Resulting data: { 'a':2, 'be':2, 'see':1 }
术语向量听起来只是意味着每个术语都有一个权重或数值，可能对应于该术语被提及的次数。
您正在考虑单词向量的几何含义，但还有另一个数学含义仅表示多维，即不是说 x，y，z，而是说向量 x 以粗体表示，它具有多个维度 x1、x2、x3 ...... xn 和一些值。因此，对于术语向量，向量是术语，它采用术语 1、术语 2 到术语 n 的形式。然后每个都可以有一个值，就像 x、y 或 z 有一个值一样。
例如，术语 1 可以是狗，术语 2 猫，术语 3 狮子，每个具有权重 2、3、1，这意味着单词 dog 出现了两次，cat 出现了 3 次，lion 出现了 1 次。