C++ 的词袋方法/工具/库？
bag-of-words approach / tools / library for C++?
我有一个文件夹，其中包含许多旅游评论的 .txt 文件。我想使用 bag of words 方法将它们转换为某种数字表示形式以用于 c++ 中的机器学习（Latent Dirichlet Allocation - LDA），以训练系统识别每个文档的主题。
但不知何故我不知道如何使用 Bag of Word 算法，我听说了一些工具，如 Scikit-learn。但是 Scikit-learn 在 python 环境中工作。我想知道，是否有一些推荐工具/库可以帮助我解决我的词袋模块问题？或者是否有针对 C++ 的 scikit-learn 的 C++ 包装器？
我已经到了不知道该做什么的程度，希望能提供一些指导。谢谢:)
您可以 take a look at these resources 用于 C++。
嗯...编码应该很容易吧？
最愚蠢但保证有效的方法是对所有文档进行两次迭代。在第一次迭代期间，创建单词的哈希图和唯一索引（类似于 HashMap 的结构），在第二次迭代期间，您执行 table 查找并打印单词的索引以创建数据的数字表示.
如果你想要一个词袋表示，在第二次迭代时，你可以在每次看到一个新文档时创建一个哈希图（HashMap），并增加每个词索引的计数，一旦你到达终点一份文件，你读出计数，然后打印出来。
我有一个文件夹，其中包含许多旅游评论的 .txt 文件。我想使用 bag of words 方法将它们转换为某种数字表示形式以用于 c++ 中的机器学习（Latent Dirichlet Allocation - LDA），以训练系统识别每个文档的主题。
但不知何故我不知道如何使用 Bag of Word 算法，我听说了一些工具，如 Scikit-learn。但是 Scikit-learn 在 python 环境中工作。我想知道，是否有一些推荐工具/库可以帮助我解决我的词袋模块问题？或者是否有针对 C++ 的 scikit-learn 的 C++ 包装器？
我已经到了不知道该做什么的程度，希望能提供一些指导。谢谢:)
您可以 take a look at these resources 用于 C++。
嗯...编码应该很容易吧？
最愚蠢但保证有效的方法是对所有文档进行两次迭代。在第一次迭代期间，创建单词的哈希图和唯一索引（类似于 HashMap 的结构），在第二次迭代期间，您执行 table 查找并打印单词的索引以创建数据的数字表示.
如果你想要一个词袋表示，在第二次迭代时，你可以在每次看到一个新文档时创建一个哈希图（HashMap），并增加每个词索引的计数，一旦你到达终点一份文件，你读出计数，然后打印出来。