semaphore提示您：看后求收藏（新笔趣阁www.xbqg5200.com），接着再看更方便。
稀疏，即包含大量的词汇但每个文档只使用其中的一小部分。而结
构化数据则可以通过合并相似信息来降低数据的稀疏性，这有助于生成更加紧凑和有效的嵌入向
量。
结构化数据可以实现更高效的特征提取。结构化数据通常已经按照特定的模式或结构进行了组
织，这使得我们可以更加高效地从中提取有用的特征（如标题、作者、摘要、关键词等）。这些特
征可以作为后续 Embedding 的输入，帮助生成具有更强区分性和泛化能力的嵌入向量。结构化数据
中的元素（如主题、类别、属性等）通常具有明确的含义，这些含义可以在 Embedding 过程中被保
留下来。因此，基于结构化数据的嵌入向量往往具有更强的解释性，有助于我们更好地理解模型的
预测结果和内部机制。
3.4 本章小结
本章介绍了研究所选文献数据的获取来源和途径。通过 Python 爬取的方式获取大部分文献数
据与元数据，对元数据进行基本处理，为后续分析提供帮助，丰富向量知识库的数据储备。随后为
了最大程度提高向量知识库的可信程度，对文献数据进行筛选，选出带有流程图，数据，输入输出
的英文文献，作为最后使用的数据。精细筛选后，使用 Unstructured 库进行数据预处理使其转化
为结构化数据。