1.BOW: Bag of words 詞袋模型。
2.Bg: 最初被用在文本分類中，將文檔表示成特征矢量。它的基本思想是假定對于一個文本，忽略其詞序和語法、句法（這也是詞袋模型的缺點），僅僅將其看做是一些詞匯的集合，而文本中的每個詞匯都是獨立的。簡單說就是講每篇文檔都看成一個袋子（因為里面裝的都是詞匯，所以稱為詞袋。
3.實例：
文檔一：Bob likes to play basketball, Jim likes too.
文檔二：Bob also likes to play football games.

首先基于這兩個文本文檔，構造一個詞典：
Dictionary = {1:”Bob”, 2. “l(fā)ike”, 3. “to”, 4. “play”, 5. “basketball”, 6. “also”, 7. “football”，8. “games”, 9. “Jim”, 10. “too”}。

然后這個詞典一共包含10個不同的單詞，利用詞典的索引號，上面兩個文檔每一個都可以用一個10維向量表示（用整數(shù)數(shù)字0~n（n為正整數(shù)）表示某個單詞在文檔中出現(xiàn)的次數(shù)）：
1：[1, 2, 1, 1, 1, 0, 0, 0, 1, 1]
2：[1, 1, 1, 1 ,0, 1, 1, 1, 0, 0]