【主题建模】文本分析：非结构化信息分析科学与应用导论

1.介绍

文本聚类可以将数据（这里即指文本）按照一定规则划分为不同的群组，理想情况下可以从聚类结果中发现一些有趣的模式。不同聚类方法的一致性意义和划分方式也不同。尽管它们有各自的用武之地，但它们无法发现这些群组中任何隐藏结构。

例如，考虑以下国际媒体上的新闻标题，且没有其他的知识来源：

1. Amazon’s virtual assistant could witness a homicide in Florida.（亚马逊的虚拟助手可以目睹佛罗里达州的一起凶杀案。）
2. Auto sales in Mexico hit low records due to pandemic.（由于大流行，墨西哥的汽车销量创下新低。）
3. High-speed trains are close to doubling their speed.（高速列车的速度接近翻倍。）
4. Flower market in Mexico closed due to covid-19.（墨西哥花卉市场因 covid-19 而关闭。）
5. Coronavirus could last 3 more years in the United States.（冠状病毒在美国可能还会持续 3 年。）

很容易发现：(1) 和 (3) 是关于技术组成的 Group1，(2)、(4) 和 (5) 是关于 covid-19 的 Group2。当然，任何一种聚类方法应该也会得出同样的结论。现在假设有一个 “隐藏的” 结构，它连接着 Group1 的单词，而另一个结构则连接着 Group2 的单词（即，哪些术语对描述每个组更重要？）。如果能 “