我有一个文件夹，里面有很多关于旅游评论的.txt文档。我想使用词袋模型方法将它们转换为某种数值表示，以便在C++中进行机器学习（潜在 Dirichlet 分配 – LDA）训练系统识别每个文档的主题。

但不知为何，我不知道如何处理词袋算法，我听说过像Scikit-learn这样的工具，但Scikit-learn是在Python环境中运行的。我想知道，是否有推荐的工具/库可以帮助我解决词袋模型的问题？或者是否有Scikit-learn的C++包装器？

我已经到了不知道该怎么办的地步，任何指导都会被感激的。谢谢你:)

回答：

嗯……这应该很容易编写代码吧？

最笨但肯定能用的方法是遍历所有文档两次。在第一次遍历时，创建一个单词和唯一索引的哈希映射（类似于HashMap的结构），在第二次遍历时，进行表查找并打印单词的索引，以创建数据的数值表示。

如果你想要词袋表示，在第二次遍历时，每次看到一个新文档时，你可以创建一个哈希映射（HashMap），并增加每个单词索引的计数，一旦到达文档的末尾，你读取计数，并打印它们。