(只是课程项目记录)
小组决定使用聚类的方法来处理数据,以及查询步骤
我准备先按下面的步骤试一下:
1.以第一个词为第一个类的中心,开始分类。
2.计算词与现有类中心的相似度,达到标准则入类,同时求得类中所有词的平均并以此做为新的类中心点。(可能需要降低边缘词的权重甚至不将其纳入偏移考虑)如果没有达到要求的类,新创一类。
3.重复2的步骤,直到所有词处理完毕。
4.对词进行二次处理,将一些本就边缘,中心点变更后达不到标准的词重新归类。
搜索的时候:
1.将待搜索的词与类中心点进行相似度计算,将标准放宽至原来的两倍(为了避免忽略一些很相似但处于类的边缘的词)
2.进入满足条件的类遍历类中所有词求相似度,得到相似度排行,并输出。