我其实对 NLP 有一个基本的怀疑，

当我们考虑像决策树这样的传统模型时，特征列的顺序很重要，就像第一列固定有一些特定的属性。所以如果，我有 Tf-Idf 每个词都会有一些固定的索引，模型可以学习。

但在 LSTM 的情况下，句子可能会很混乱。例如：“有大雨”，“有大雨”

上面两句中，heavy这个词出现在不同的地方。所以为了让模型理解我们已经传递了“那里”这个词，我们需要一些“那里”这个词的唯一表示。One-Hot 或 Word2vec。到目前为止我的理解正确吗？

我最后的疑问是，如果我在上面使用 tfidf，它将如何工作？模型将如何理解传递的“重”字？这个疑惑困扰了我很久。请澄清这一点！万分感谢！