weka文本聚类(1)--概述

   由于做毕业论文需要用到文本聚类,之前完全没有接触过这个领域,从一步一步探索,到成功完成聚类,花费了不少的时间和精力。现在将最近的学习经验整理下来,方便记忆同时也能为刚入门的朋友提供一些指导方向。在百度上随便可以搜索到利用weka进行文本聚类的示例,非常详细,但是不足的是,它们都是用命令行进行的,而用java语言调用weka进行文本聚类的完整例子却很难找到。文本聚类的理论基础是VSM向量空间模型,关于这个理论可以在百度搜索到,各大神的讲解非常完美,比我这个小白厉害多了,因此我就不再叙述这个理论了,完全从实际调用weka讲起。

   一般来说,文本聚类的过程分为:

  (1)读取文本,并对文本进行分词,去除掉没有意义的停用词,如“呀,啊”等等。

  (2)构造向量空间模型,设置模型的一些参数

  (3)选择合适的距离函数进行文本聚类

  (4)分析聚类结果

接下来的文章会从这四个部分开始讲解。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值