假设我收集了10篇不同主题的100,000篇文章.我不知道哪些文章实际上属于哪个主题,但我有完整的新闻文章(可以分析它们的关键字).我想根据他们的主题对这些文章进行分组.知道我该怎么做吗？任何发动机(狮身人面像,lucene)都可以.
解决方法:
在机器学习/数据挖掘方面,我们将这类问题称为分类问题.最简单的方法是使用过去的数据进行未来预测,即统计导向：
http://en.wikipedia.org/wiki/Statistical_classification,您可以使用朴素贝叶斯分类器(常用于垃圾邮件检测)开始
我建议你阅读这本书(虽然是为Python写的)：编程集体智慧(http://www.amazon.com/Programming-Collective-Intelligence-Building-Applications/dp/0596529325),他们有一个很好的例子.
