如何在Java中使用k-means算法執行單詞聚類

Question

請幫助我如何在Java中使用k-means算法執行單詞聚類。 從文檔集中，我得到單詞及其頻率計數。 然后我不知道如何開始集群。我已經搜索了谷歌。 但是不知道。 請告訴我執行單詞聚類的步驟。 現在非常需要。 提前致謝。

Answer 1

托比·塞加蘭（Toby Segaran）撰寫的“編程集體智慧”中有一個精彩的章節，介紹了如何執行此操作。 這些示例使用Python，但是應該易於移植到Java。

Answer 2

在集群中，最重要的事情是構建一種方法，該方法檢查事物（例如）如何“緊密”在一起。 例如，您是否對具有相同lang的字符串感興趣，可能像這樣：

int calculateDistance(String s1, String s2) {
     return Math.abs(s1.length() - s2.length());
}

然后我不太確定，但是可以這樣：1.選擇（可以是隨機的）第一個k字符串，2.迭代所有字符串，並將它們與“最近”字符串相關聯。

然后可以是一些事情，例如從其中的每個“集群”中進行選擇，然后重新啟動。 我不記得100％的情況，但我認為這是一個很好的起點。

請記住，最重要的是方法calculateDistance（）！