将概念相似的文档进行聚类？
这个问题更像是一个概念上的讨论，而不是实际的实现，我希望有人能帮我澄清一下。我的目标是这样的：给定一组文档，我想把它们分成不同的组，使得同一组里的文档有相同的“概念”。
根据我的理解，潜在语义分析可以让我找到一个术语-文档矩阵的低秩近似。也就是说，给定一个矩阵X，它会把X分解成三个矩阵的乘积，其中一个就是对角矩阵Σ：
接下来，我会选择一个低秩近似，也就是只选择Σ中的前k个值，然后计算出X'。一旦我得到了这个矩阵，我就需要应用一些聚类算法，最终的结果就是将具有相似概念的文档分成不同的组。这是应用聚类的正确方法吗？我的意思是，先计算X'，然后在这个基础上进行聚类，还是有其他的方法呢？
另外，在我之前的一个相关问题中，有人告诉我，随着维度的增加，邻居的意义会丢失。在这种情况下，为什么要对来自X'的高维数据点进行聚类呢？我猜测，聚类相似文档的需求是现实世界中的一种需求，那么，应该如何解决这个问题呢？
1 个回答
4
关于你问题的第一部分：不，你不需要再进行任何“聚类”了。这种聚类已经通过你的 奇异值分解 得到了。如果这仍然不清楚，请更详细地研究一下你提供的链接 潜在语义分析。
关于你的第二部分：请先弄清楚你问题的第一部分，然后根据这个重新表述你问题的这一部分。