1. 詞袋模型：將文本信息轉換成壹個包含所有單詞及其出現頻率的向量，每個向量維度對應壹個單詞，維度值表示對應單詞在文本中出現的次數。
2. 詞嵌入模型：將單詞映射成壹個低維稠密的向量表示，可以通過學習單詞的上下文信息，將具有相似語義的單詞映射到相近的向量空間中。
3. 句子/段落嵌入模型：將句子或段落映射成壹個低維稠密的向量表示，可以通過學習句子或段落的上下文信息，捕捉其語義信息，從而進壹步應用於文本分類、相似度計算等任務。
4. 語法樹模型：將文本信息轉換成壹個樹形結構，可以通過分析句子的語法結構，將其轉換成分層的結構描述。
這些表征形式有各自的優缺點和應用場景，取決於具體任務的需要，選擇合適的表征形式對於提升自然語言處理任務的效果至關重要。