SPSSAU【文本分析】|文本聚类

SPSSAU共提供两种文本聚类方式，分别是按词聚类和按行聚类。按词聚类是指将需要分析的关键词进行聚类分析，并且进行可视化展示，即针对关键词进行聚类，此处关键词可以自由选择。按行聚类分析是指针对以‘行’为单位进行聚类分析，将原始文本中多行数据聚为几个类别，并且可将具体聚类类别信息进行下载等。

---

按词聚类分析

按词聚类分析操作如下图：

默认情况下，系统会将词频靠前的20个关键词提取，并且得到其词向量值，并且其于词向量值进行聚类分析（具体为kmeans聚类），接着进行MDS分析，最终渲染出各个关键词的坐标定位信息，可视化展示词之间的聚类信息。

特别提示：

关键词的词向量提取时，有可能无法获取得到，因而在表格中会展示为‘未识别词暂不聚类’即该词不进入聚类分析。

以及默认Demo数据时出来结果如下图：

图中不同的颜色代表不同的类别，其意味着各个关键词之间的类别区分。默认情况下聚类为3类，如果分析关键词较多时，可尝试修改聚类类别个数后，重新分析即可。除此之外，关键词之间的关系情况，还可通过‘共词矩阵’（即两个词同时出现在‘同一行’的数量情况）查看关键词之间的关系情况，当两个词同时出现的次数越高时，很可能二者关系越为紧密。

在按词聚类分析时，SPSSAU默认提供‘共词矩阵’表格，并且可进行下载。‘共词矩阵’在社会网络关系图分析中还有进一步使用，具体也可查看社会网络关系图。

默认情况下，SPSSAU将词频最高的前20个关键词进行聚类分析，如果希望改变选中的关键词，可点击‘选择分析词’进行自由选择，如下图所示：

可修改高频词的个数，也或自由的点击选择分析词，也可以通过搜索词进行搜索，然后进行选中或者不选中操作等。

按行聚类分析

不同于按词聚类分析，按行聚类分析是指以‘行’为单位，针对每行数据进行聚类分析（具体为kmeans聚类），并且计算出各‘行’数据的聚类类别，也可直接进行下载聚类类别信息。一般来说，聚类类别选择为3个即可，当然如果数据行数较多，可考虑修改成更多的聚类类别个数，如下图所示：

输出结果时，包括各‘行’数据的聚类类别，具体使用时可对其进行下载，用于进一步使用。