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