Waarom is dit belangrijk?
Met een bag-of-wordsmodel kunnen computers grote stapels tekst snel vergelijken op terugkerende woorden, zodat gelijksoortige documenten automatisch bij elkaar komen. In de wetenschap ondersteunt dat onderzoekers bij het indelen van medische vakartikelen naar onderwerp. Studenten en professionals vinden daardoor sneller passende literatuur in een opleiding of op het werk, al mist het model nuance wanneer dezelfde woorden in een andere context iets anders betekenen.
Zo werkt het in de praktijk
Onderzoekers van de Universiteit van Porto tellen met een bag-of-wordsmodel woorden in klachten op Portal da Queixa. Zij bekijken of een programma zo de reden van een klacht kan voorspellen. In de publieke zorg meet een studie de tevredenheid over zes apps van de Saudische overheid met dit model.
Onderzoekers van de Hacettepe-universiteit testen of een bag-of-wordsmodel spammail van gewone mail scheidt. Zij vergelijken n-grammen, dus korte reeksen van woorden, en verschillende leermethoden. De uitkomst toont welke keuze de mails het beste indeelt.
Het bag-of-wordsmodel hoort bij CRISP-DM, een stappenplan voor dataprojecten. Teams zetten tekst daarin eerst om naar woordtellingen en trainen daarna een model. De Portostudie volgt die stappen en gebruikt het bag-of-wordsmodel als eenvoudige basis.




