我正在尝试找出一种方法来将Facebook用户表示为一个向量。我决定将用户的不同属性/参数堆叠成一个大向量（例如，年龄是一个大小为100的向量，其中100是可能的最大年龄，如果你50岁，那么向量的头50个值将是1，就像温度计一样）。但我无法找到一种方法来将Facebook的兴趣也表示为向量，它们是一组词语，代表所有词语的空间非常大，我不能采用类似词袋模型的方法。有人知道我应该如何进行吗？我在这方面还是新手，任何参考资料都会非常受欢迎。

如果您想对这个问题投反对票，请告诉我哪里有问题，以便我可以改进措辞和上下文。

谢谢

回答：

“正确”的方法取决于你的学习算法是什么以及决策问题是什么。

然而，通常最好是将年龄表示为一个单一的数值特征，而不是100个指示特征。这样，学习算法就不必学习这百个特征之间的关系（这些关系是内置的），而且问题维度减少了99，这将使一切变得更好。

为了建模兴趣，你可能想要从一个极高维度的词袋模型开始，然后使用各种选项来降低维度：

• 使用一般的降维技术，如主成分分析（PCA）或更智能的非线性方法，包括核主成分分析（Kernel PCA）或各种非线性方法：参见维基百科关于降维的概述和关于具体非线性技术的介绍
• 通过主题模型处理，并使用学习到的主题权重作为你的特征；例子包括潜在语义分析（LSA）、潜在Dirichlet分配（LDA）、层次Dirichlet过程（HDP）等更多方法