通常，仅使用实值向量的Kohonen映射/ SOM算法的实现是相对简单的任务。我想知道如何为非实值（即非标量）属性（如文本字符串）实现这样的算法，因为“权重更新”阶段。
假设有一组数据包含不同长度的词，意义类别，比如浪漫的程度，例如玫瑰（非常浪漫），花（浪漫），植物（浪漫视情况而定），工厂（只对浪漫小伙伴浪漫）。我正在努力，所以请忽略细节。 （编辑：是的，浪漫主义可以表示为标量值;我的问题实际上不是关于那个部分。）
我可以看到，人们可以在地图上创建原型，然后使用Levenshtein距离来找到最佳匹配单位。但是如何将更新 BMU及其邻域更新为选定的目标向量？
其他例子可能是绘制（例如通过颜色，主题，纪元......）或嵌入一维（标量）数据流中的感知形状（例如三角形，锯齿形......）。
答案 0 :(得分：0)
那些浪漫主义的程度不仅仅是一个数字吗？ ＆＃34;这朵玫瑰是0.9浪漫＆＃34;。然后在SOM找到0.9的正确位置，这就是你的玫瑰应该坐的地方。如果你有多个维度，它基本上是一个向量，但仍然是一个数字向量，而不是一个字符串，因此更容易更新