Content #
给定一个含有n个文本（文档）的集合\(D=\{d_1,d_2,\cdots,d_n\}\)，以及在所有文本（文档）中都出现的m个单词的集合\(W=\{w_1,w_2,\cdots,w_m\}\)，单词文本矩阵(word-document matrix)记作：
\begin{displaymath}X=[x_{ij}]_{m\times n}\end{displaymath}
该矩阵元素 \(x_{ij}\) 表示单词 \(w_{ij}\) 在文本 \(d_j\) 中出现的频数或权值。权值一般会是TF-IDF。