Answer 1

Answer 2

问题可以归结为：

• 如何表示文章（功能，通常是一包含TF-IDF的文字）
• 如何计算两篇文章之间的相似性（余弦相似度是最受欢迎的）
• 如何根据以上
将文章聚集在一起

有两大类聚类算法：批处理和增量。如果您提前收到所有文章，那么批量很棒。由于您正在对新闻进行聚类，因此您可能会逐渐收到文章，因此您无法一次性对其进行聚类。你需要一个增量（也称为顺序）算法，这些算法往往很复杂。

您还可以尝试使用http://www.similetrix.com，快速搜索Google搜索，他们声称可以通过API提供此服务。

Answer 3