我正在寻找一种实现半监督聚类的方法，可能是R中的constrained clustering，特别是“无法链接”的部分（我想 - 但见下文）。我找到了this question，但我不知道这些语言。
我有一个特定的数据集（单词索引），如下所示：
11 195 752 67 77
243 130
8 2178 2581 201 129 77
3872 8967 282
880 77
65 535 363 282
每行上的第一个索引是有向无环图上的“叶子”，即树/层次结构。数据库中有多个单词hierarcies / trees;每行的最后一项是根/顶级节点（语义上，最一般/抽象的单词），因此一行代表从叶到根的路径。我想我最终想要得到的只是尺寸减小：而不是说1000个独特的单词会有200个单词的集合，这在处理有限的数据（小文本）时很有用，因为它减少了数据的稀疏性。例如主题/摘要模型。
到目前为止我有什么。首先，我推导出一个相似性矩阵（基于一对叶子在树中有多少个共同节点 - 或者更准确地说，就是Wu＆amp; Palmer Wordnet距离度量），然后使用{{1}执行围绕medoids（pam）的分离R中的包。在示例数据中，k = 3..5个集群就可以了：如果小于3，没有公共根的叶子将被推入同一个集群。这没有任何意义，因为它们没有任何共同之处。这大部分都有效。但是，对于较大的数据集（500多个这样的项），即使我选择了适当的高k，这有时也会发生 - 不应该聚集的东西会被聚集。现在我的解决方案是打印一个警告，指示（通过检查所有群集的公共根节点），并选择不同的k。
我需要的是一种“告诉”/监督聚类算法的方法，我不希望某些项目聚集在一起（这本身很容易 - 例如，在计算（dis）相似度矩阵时，我可以使用相同尺寸的平行矩阵，并且当遇到一对项目没有共同的根时，那里会有一个标记指示该事实）。但是，我一直在使用的pam函数似乎不允许使用这样的约束。目前，没有共同根的项目被赋予0相似性（在转换为相异度矩阵时，将是存在的最大距离）。我尝试在矩阵中增加这些对的距离值，但后来我意识到将这些项目进一步拉开会使其他项目“更接近”聚类算法，再次扭曲结果。
谷歌搜索后我得出的结论是，我要么自己实现它（我没有找到开箱即用的R包）或者我一直在寻找错误的关键词，因为我的知识有限机器学习。所以对于我的问题（如何让它在R中工作？）任何一个答案都会有所帮助 - 要么建议一个R包来做它，要么建议一种方法来实现它（一些例子R代码将有助于我开始） 。或者也许我一直都认为这一切都错了，k-medoids聚类在这里不是正确的解决方案？
小更新：我发现包cluster确实似乎做了类似的事情，函数flexclust有一个参数kcca应该是实现一个can-link约束 - 但是文档没有更多地说明它（引用的paper也没有）。此外，groupFun = "differentClusters"采用常规数据矩阵作为输入，而我所拥有的是距离矩阵（我通过计算每对单词的Wu＆amp; Palmer距离度量，逐个单元构建，基于上面数据示例中描述的叶到根路径。所以我想这不是解决方案。