文档聚类与可视化

Question

我想测试一组文档是否有一些特殊的相似性，查看一个用每个文档的向量表示构建的图，并与其他文档的文本数据集一起显示。我想他们会在一起的。在

解决方案是使用doc2vec计算每个文档的向量并绘制它？能在无人监督的情况下完成吗？我应该使用哪个python库来获得Word2vec的那些漂亮的2D和3D表示？在

Answer 1

不知道你问的是什么，但如果你想要一种方法来检查向量是否属于同一类型，你可以使用K均值。 K-意味着从一个向量列表中选出一个K个簇，所以如果你选择一个好的K（不要太低，它会搜索到一些东西，但是不要太高，所以它不会太有区别），它可以工作。在

K-表示工作非常辛苦：

init_center(K) # randomly set K vector that will be the center of your cluster

while not converge(): # This one is tricky as you can find a lot of way to check for the convergence, the easiest is to check if your center has moved since the last itteration

    associate_vector() # Here you associate all the vectors to the closest center

    re_calculate_center() # And now you put the center at the... well center of their point, you can do that just by doing the mean of all the vector of the cluster.

这个gif可能比我更清楚：

这篇文章（gif的来源）比我更清楚，即使他在这里说的是java： https://picoledelimao.github.io/blog/2016/03/12/multithreaded-k-means-in-java/