基於文字的BoW模型的一個簡單例子如下：
首先給出兩個簡單的文字文件如下：
        John likes to watch movies. Mary likes too.
        John also likes to watch football games.
基於上述兩個文件中出現的單詞，構建如下一個詞典 (dictionary)：
       {"John": 1, "likes": 2,"to": 3, "watch": 4, "movies": 5,"also": 6, "football": 7, "games": 8,"Mary": 9, "too": 10}
上面的詞典中包含10個單詞, 每個單詞有唯一的索引, 那麼每個文字我們可以使用一個10維的向量來表示。如下：

       [1, 2, 1, 1, 1, 0, 0, 0, 1, 1]       [1, 1,1, 1, 0, 1, 1, 1, 0, 0]

該向量與原來文字中單詞出現的順序沒有關係，而是詞典中每個單詞在文字中出現的頻率。

BoW模型用於影象分類

影象中的單詞被定義為一個影象塊的特徵向量。

影象的BoW模型即--影象中所有影象塊的特徵向量得到的直方圖。

1、特徵提取

提取訓練樣本影象塊中的特徵向量，提取特徵向量的方法可以使SIFT等

2、構建詞典

N個訓練圖片，使用SIFT方法提取影象特徵，得到F個特徵點。利用F個特徵點構建詞典。

構建詞典過程需要使用一些聚類演算法，一般選用k-means，首先選取n個聚類中心，通過迭代演算法算出最終的n個聚類中心。

n個聚類中心就是構建的詞典，以後每一個新來的特徵點，都將該新的特徵點對映到n個聚類中心中的一個。

3、計算影象特徵直方圖

將影象特徵點聚類到n個聚類中心中，並且統計落入每個詞典中的特徵點的個數。這樣就可以得到一幅影象的特徵直方圖。