问题描述
作为NLP的初学者,我正在尝试找到一种在无监督的聚类下对单个单词进行聚类的最佳方法,特别是在k
的簇数事先未知的情况下。我有一组包含彼此非常相似的单词簇的单词(相差一个或两个字母)-意思是余弦相似度(不是语义)-我希望能够找到这些簇的数量组中没有预先定义k
。
举一个基本的例子,我尝试使用Levenshtein Distance,它预先采用了参数k
:
#Levenshtein Distance
str = c('foo','food','fo','ten','zen')
d <- adist(str)
rownames(d) <- str
hc <- hclust(as.dist(d))
plot(hc)
rect.hclust(hc,k=2)
该算法的效果不错,但必须知道k
。
是否有一个好的单词聚类算法?我碰到的大多数文档都使用td-idf和句子中的成对距离,但这是一个更简单的问题,没有什么能真正解决仅将单个单词组成的群集而不知道k
的问题。任何建议,将不胜感激!
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)