文本聚类简介

一.简介

文本聚类是数据挖掘中数据挖掘技术中的一种，是把文本文档资源按照指定的相似性标准划分为若干类别，使得每一类文档相似性达到指定标准，并且为每一类别给出容易让人理解的具体描述，是一个发现文本集包含内容的方法。

     

二．文本聚类流程：

1.将原始文本进行预处理，抽取词条，词条选择等其他处理

2.建立模型，例如vsm，概率模型等其他模型

3.将维度进行约减，需要用到的算法有层次算法，划分算法，等其他算法。

4.得到聚类结果.

三．文本预处理：

1.先用Ictclas对文本文档进行处理，将文章处理成由词语组成的字符串