如何加速文本聚类算法（KMeans-Python）

Question

比如说，我有200份文件，每份200页。我会说，很多话。我想把它们分成不同的组。我创建了一个相当简单的文本聚类算法。它目前的工作原理如下：

1. 遍历每个文档，创建一个巨大的字符串并将其附加到数组中。因此，最后将有200根巨大的弦

2. 对每个字符串进行变形，这意味着删除停止词，将每个词进行柠檬化，删除噪音和其他内容

3. 我目前正在使用此示例来获得结果

    def fit_transform(self, morphed_documents):
        self.matrix = self.vectorizer.fit_transform(morphed_documents)
        return self.matrix
   
    def fit(self, number_of_clusters, matrix):
        model = KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=10, n_clusters=number_of_clusters, n_init=30, random_state=3454, tol=0.0001, verbose=0)
        model.fit(matrix)
        return model
   

这是可行的，需要一些人的分析（我相信K-means并不完美），但主要问题是我目前的方法非常缓慢。基本上，阅读每一本书需要1个多小时

我的问题是，有没有更快更简单的算法可以使用？我可以加快我当前的算法吗？或者我从一开始就在做完全没有意义的事情？基本上，任何帮助都将受到高度赞赏