刘 勇 Email：lyssym@sina.com 简介 　　鉴于基于划分的文本聚类方法只能识别球形的聚类，因此本文对基于密度的文本聚类算法展开研究。DBSCAN(Density-Based ...

尝试了使用词频的词表征进行kmeans，效果不好，所以考虑看看使用word2vec的词表征会有什么不同。 1.加载word2vec import gensimmodel = gensim.mode ...

课题简介： “自动化学科创新思想与科学方法研究”课题，编号2009IM020300。 项目旨在对影响国内自动化领域发展的知识要素（包括 人物、机构、研究对象等）进行系统分析，形成知识体系， ...

刘勇 Email：lyssym@sina.com 简介 　　在文本相似度判定中，作者将该算法用于文本聚类中，其核心思想通过比较两个文本向量中元素的相似度，即向量中所含的元素相似个数越多，则两 ...

最近看了LDA以及文本聚类的一些方法，写在这里算是读书笔记。文章最后进行了一个小实验，通过爬取本人在微博上关注的人的微博，利用微博的内容，尝试将我关注的人按主题进行进行聚类。 文本聚类就是把一个文本 ...

项目原理概述 利用sqoop将数据从MySQL导入到HDFS中,利用mahout的LDA的cvb实现对输入数据进行聚类,并将结果更新到数据库中。数据流向图如下 mahout算法分析输入数 ...