我有成千上萬這樣的元素：[ "business_id_a", [ "Food", "Restaurant","Wine & Pizza"] ] [ "business_id_b", ["Mexican", "Burgers", "Gastropubs & Wine" ] ]... [ "business_id_k", ["Automotive", "Delivery","Whatever"] ]我想使用 k-means 按類別分組主題來對 business_id 進行聚類。也許這不是最好的選擇。我的想法是創建一種類別詞典，首先以任何方式對所有可能的類別進行分組，然后使用該模型，將樣本按類別集群分組為 business_id 組。這行得通嗎？在 Python 中哪種方法最好？
1 回答
慕標5832272
TA貢獻1966條經驗 獲得超4個贊
最好的選擇是首先對文本進行標記化和矢量化。您可以使用 NLTK 的單詞標記器進行標記化https://www.nltk.org/api/nltk.tokenize.html
然后你可以使用 sklearn 的 CountVectorizer 或 TFIDFVectorizer 之類的東西進行矢量化
從那里，你可以應用 k-means
添加回答
舉報
0/150
提交
取消