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。