标题与内容。

分割部分关键代码：

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

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

text_list  中。

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。

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

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。

(https://www.vxqianqian.cc/3325/3325943/11110837.html)

www.vxqianqian.cc。m.vxqianqian.cc