Bag of word
Ogni testo è una tupla del dataset, ogni parola della lingua italiana diventa un attributo (o feature). Il valore dell'attributo è uguale a 1 se la parola è contenuta nel testo, altrimenti è uguale a 0.
Word embeddings
Ogni parola è rappresentata da una sequenza di N numeri, parole simili hanno una rappresentazione simile, parole simili sono vicine tra loro nello spazio N dimensionale. Il testo è visto come la media vettoriale delle parole in esso contenute.