标题与内容。</p>

分割部分关键代码：</p>

对于其中的每个元素，如果是 CompositeElement 类型，就提取其中的文本并将其添加到</p>

text_list 中；如果是 Table 类型，就将表格的文本表示（可能是 HTML 格式）添加到</p>

text_list 中。</p>

将图 3.8 的提取的数据进行拆分，添加到 text_list 中，输出结果如图 3.11 所示。</p>

非结构化文本数据通常非常稀疏，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</p>

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</p>

量。</p>

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</p>

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</p>

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</p>

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</p>

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</p>

预测结果和内部机制。</p>

www.mbeoge.cc。m.mbeoge.cc</p>