我有一组用户为N项输入的评分，以及为什么他们为该项选择该评级的原因。评级为序数（-2，-1,0，+ 1，+ 2）。 我想提出这些理由的有意义的分组。例如，假设用户评价电影，评级背后的原因可能属于3大类：1）。 ＆＃39;他们是演员＆＃39;，2）的忠实粉丝。 ＆＃39;惊人的故事线＆＃39;，4）。 ＆＃39;缺乏创意＆＃39;。这只是一个虚拟的例子。
更具体地说，给定一组自由格式文本条目，可以提出这样的分组。我知道主题建模是这样做的一种方式。我可以指定主题K的数量，然后将数据提供给我的主题模型（LDA等），模型将输出K个主题，其中每个主题是该主题中最可能的单词列表。因此，对于这个虚拟示例，主题1可能包含单词和短语，如“＆＃39;粉丝＆＃39;，＆＃39;演员＆＃39;，＆＃39;伟大的表演＆＃39;。
还有其他方法可以进行此群集吗？在聚类时我是否需要考虑序数评定量表？我该如何考虑到这一点？
答案 0 :(得分：1)
Word嵌入可能很有用。 Here是最近相关的斯坦福项目。
答案 1 :(得分：1)
这取决于您希望处理文本的复杂程度。如果仅匹配单个单词（1克）就足够了：
然而，你可能也希望用短语/相关词语做得更好。在这种情况下，有大量的研究和实施来帮助您。 Ngrams是一种相对简单的方法，但是理解语言语义的更高级方法具有更好的统计性能。