文本在实际问题中很常见，比如用户评论、新闻摘要、视频弹幕等等。我们用的toy_data不包含文本变量，所以这里我参考了scikit-learn的文档，一个小的corpus作为我们的训练数据集。
corpus = [
'This is the first document.',
'This is the second second document.',
'And the third> 'Is this the first document?',
]
corpus有四句话，可以看做是四个样本。接下来我们先用一个简单的方法处理文本变量——统计corpus中每个词出现次数，代码如下: