来自GROUP的一组文本text[:n]（例如1-100）和它们之间的余弦相似性矩阵：
001 002 003 ... 100
001 1 0.53 0.47 ... 0.79
002 0.53 1 0.55 ... 0.30
003 0.47 0.55 1 ... 0.21
... ... ... ... 1 ...
100 0.79 0.30 0.21 ... 1
创建新成员text[n+1]后，我想知道该text[n+1]是否新的。也就是说，它不属于text[1-100]中基于其表面相似性的任何潜在聚类。
稍微了解一下群集技术的种类，我想知道如何在Python中最好地完成这种分类。我现在正在进行一些研究，有两种相当普遍的方式：
每当新成员text[n+1]被添加到现有GROUP时：text[:n]：
根据余弦相似度运行聚类算法到聚类text[:n]，然后计算text[n+1]属于某个现有聚类的概率及其在新聚类中的概率集群本身。 - ＆GT;然后用概率来决定text[n+1]是否是新的＆＃34;或者＆＃34;在＆＃34;
或者，如果我不关心text[:n]中有多少个群集，而只关注text[n+1是否是新内容，是否可以简化分类过程{ {1}}到二进制text[n+1]或0 (something seen before)，计算效率更高？
此外，中餐厅流程之类的内容是否可能与此处的问题相关？我感谢您指出的任何建议和资源。
答案 0 :(得分：0)
群集不是分类。
不依赖于结果良好或稳定 - 运行两次可能会产生非常不同的结果，而某些群集可能会很好，其他群集可能会很糟糕。因此，研究它们，然后标记您的数据并使用分类而不是聚类。
后来的hack很容易做到（训练分类器，基于你的星团），但我不相信它在现实中是有用的。