※ 引述《Arim (Arim5566)》之铭言： : 各位板友好 : 小弟最近碰到一个分群的问题 : 首先我有一个term-by-document的matrix : 假设我有8个term是A B C D E F G H : 想利用cos similarity对这8个term做分群 : 分群的条件是群内的任两个term的cos similarity都大於等於门槛值 : 例如最後分出来的最大的两群为(A B C D) 以及 (F G H) : 群内的任意两个term的cos similarity都大於等於门槛值 : 但是目前能想到的方法只有暴力法 : 例如先找跟A的cos similarity大於等於门槛值的term : 可以先找到(A B C D E)这一个群，这时候就跑回圈检查B C D E的相似度 : 在回圈的过程中发现B跟E不相似，所以要把E或B拿掉，如果把E拿掉的话， : 会变成(A B C D)，之後检查C跟D也符合条件，就输出(A B C D)这一个群， : 但如果把B拿掉的话，会变成(A C D E)，但可能之後的检查过程中发 : 现C跟E又不相似，之後把C拿掉，接着D跟E又不相似，之後把D拿掉，到最後只会 : 剩下(A E)，但是(A E)这一群并不是最大的...请问有什麽有效率的演算法有办法 : 解决目前我遇到的这个问题嘛？ : 谢谢指教 How about Agglomerative Hierarchical Clustering? 因为你的问题有 constraints，所以从底下开始 merge 的时候，只有 similarity 超过门槛才做 merge，等於是稍微修改一下 Hierarchical Clustering 演算法。 我没仔细去 trace 过，不过应该是可行 -- My Blog: http://webapp-tech.blogspot.com/ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.113.188.212