基于宠物用品电商搜索条目的聚类分析

目标

针对667条宠物商品的搜索关键字进行聚类，将相似度高的条目聚为一类。在用户搜索某一商品时，电商平台能据此为用户展示类似的商品，从而提高用户的购物体验。

思路

首先明确这是一个聚类问题，而不是分类。因为商品类目本身是没有标签的，用机器学习的话来说，这是一个无监督学习的问题。接着，分析大致做法：
1. 数据导入
2. 处理数据（转化为语料库，再进行清洗过程）
3. 创建文档词条矩阵dtm，是一个稀疏矩阵
4. 对稀疏的矩阵进行降维，并转为标准矩阵格式
5. 聚类分析
- kmeans聚类
- 层次聚类
6. 检验聚类结果

过程

1.数据导入

setwd("F:/研究生/课程/R")
Raw <- read.csv("Raw.csv", header = TRUE)
Raw <- Raw[,1]
Raw <- as.matrix(Raw)
head(Raw)

查看前6行的商品词条

[1] "CAT TREE POST SCRATCHER FURNITURE PLAY HOUSE PET BED KITTEN TOY BEIGE"    
[2] "DELUXE CAT TREE 36INCH CONDO FURNITURE SCRATCHING POST PET HOUSE PLAY TOY"
[3] "SMALL WARMING CAT DOG COVERED BED HOOD MICROFLEECE LINING FOAM FILLED"    
[4] "PET HEATING PAD RADIENT BED WARMER CAT DOG USA SELLER FREE SHIPPING"      
[5] "OUTDOOR HEATED PAD KITTY PAD"                                             
[6] "SUNNY SEAT WINDOW CAT BED"  

2. 处理数据

调用tm包——文本挖掘常用的R包

library(tm)
corp <- Corpus(DataframeSource(Raw))
writeLines(as.character(corp[[2]]))
lapply(corp, as.character)

可以查看某个文档以及每个文档的内容：
第2个文档包含的词条内容是：

DELUXE