编写代码实现词袋表示。

词袋模型是一种简单的文本特征表示方法，它将文档视为单词的集合，而不考虑它们之间的顺序。在编写代码实现词袋表示时，通常包括以下几个步骤：

1. **分词**：首先，对输入文本进行分词，将其拆分成一个个单独的词语。

def tokenize(text):
    words = text.lower().split()
    return words

2. **词汇表构建**：创建一个空的词汇表，记录所有独特的单词。

def create_vocabulary(documents):
    vocabulary = set()
    for doc in documents:
        vocabulary.update(doc)
    return vocabulary

3. **向量化**：统计每个文档中每个词的频率，并将结果转换成数值形式（如字典、列表或稀疏矩阵）。例如，可以使用Python的collections库的Counter。

from collections import Counter

def vectorize(document, vocabulary):
    word_counts = Counter(document)
    bag_of_words = {word: count for word, count in word_counts.items() if word in vocabulary}
    return bag_of_words

4. **最终表示**：将整个数据集的文档转换为词袋表示。

def make_bow_dataset(documents, vocabulary):
    bow_data = []
    for doc in documents:
        bow_data.append(vectorize(doc, vocabulary))
    return bow_data