聚类算法总结 NLP Clustering Algorithm Overview

介绍一下常见的文本聚类Text Clustering方法

文本聚类(clustering)和文本分类(classification)的区别？

• 分类是事先定义好类别。分类器需要由人工标注的分类训练语料训练得到，属于有supervised learning。Classification uses predefined classes in which objects are assigned.

适用范围：分类适合类别已经确定的场合。例如按照国图分类法分类图书。

• 聚类则没有事先定义的类别。聚类不需要人工标注和预先训练分类器，类别在聚类过程中自动生成，属于unsupervised learning。Clustering identifies similarities between objects, which are grouped as "clusters" according to their common characteristics.

适用范围：​​​​​​聚类事先不知道要寻找的内容，没有预先设定好的目标变量。适合分类体系不确定的场合，比如搜索引擎结果后聚类（元搜素）。 【手心里的雪2017 知乎】Clustering is when you have no clue of what types there are, and you want an algorithm to discover what types there might be. 

文本聚类的输入和输出是什么？

输入：词向量矩阵

输出：clusters向量矩阵

过程：[Kosh2020 tds]