标签:log csdn 写真 .net blog fan 聚类 工具 需要
word2vec的学习
python的几个扩展工具:
1. numpy
2. scipy
3. gensim
如何对新闻的关键词进行聚类?比如说,给你一个关键词“苍井空”,你怎么把“女优”,“写真集”等关联性极高的关键词找到?
想法1: 用新闻ID向量表示某个关键词,如:苍井空 (新闻ID1,新闻ID2,…)
可行性: 新闻数较小时,可以用kmeans等方法进行聚类; 但新闻数高达10万时,每个关键词则需要10万维的向量表示,计算难度太大。
解决方法:google的一个开源工具“word2vec”,可通过输入一个词的集合,计算出词与词之间的距离,通过距离进行聚类。
标签:log csdn 写真 .net blog fan 聚类 工具 需要
原文地址:https://www.cnblogs.com/twomeng/p/9509391.html