我正在开展一个需要应用机器学习的项目：我的问题是：
1）我是否正确嵌套聚类适合此问题陈述，我想到的算法在这种情况下是正确的
2）如果没有，那么建议我应该实施哪种算法
问题陈述：假设我们有一个表单，用户可以在其中输入公司可能发生的问题。因此，如果不提及部门名称（仅从问题/问题），机器必须集中与每个部门/类别相关的问题，如财务部门，人力资源部门等。
现在，在每个部门/类别中，可能存在许多可能指向同一问题的问题，如：
在人力资源部门，很多人都报告了这个问题：
-Temp今天太高了 - 这是47 C，但我想要27 C - 人力资源部门内部过于温暖等。
所以，我认为应该实施层次化聚类，首先是为了让每个部门都有相关问题的集群，然后在每个部门集群中再次出现类似的问题。
此外，初始类别/部门未得到修复，因此无法应用具有聚类的分类。
希望我的问题很清楚。任何线索，无论我是做得对还是需要再考虑这个问题的解决方案。
提前致谢
答案 0 :(得分：0)
在商业方面，这种策略的运作尚不清楚。如果传真没有被广泛使用，您可能会有一组传真问题，但您没有检测到，因为每个部门只有少数人使用传真。
实际上，您首先需要高级自然语言处理。 47 C是房间号还是温度？ “这是一个烤箱”也适合这个类别。加利福尼亚人也会理解“感觉就像死亡谷”，但不是每个人都会意识到这是对热量的抱怨，更不用说机器了。另一个这样的例子：“空气被打破” - 以投诉形式，这将是空调。
总的来说，我看到的最大的问题是“部门”课程被严重不足。你是在抱怨部门中存在的问题（人力资源部门很热），还是你提到必须修理的部门（从设施派人，这里太热了）