Question

我不太了解亲和力传播作为一个概念，但在我的项目中，我发现聚类我正在使用的文本很有用。目前，我已经广泛关注了我在网上找到的任何代码片段。

所以：

lev_similarity = -1*np.array([[Levenshtein.distance(w1,w2) for w1 in new_data] for w2 in new_data])
ap = sklearn.cluster.AffinityPropagation(affinity="euclidean", damping=0.5)
ap.fit(lev_similarity)

如您所见，我使用Levenshtein算法来定义两点之间的距离。

现在我的问题：

http://scikit-learn.org/stable/modules/generated/sklearn.cluster.AffinityPropagation.html

此时我想用这个模型给我一个新点的最近集群，但我不知道如何对我的原始字符串进行矢量化。为了使用 ap.predict 方法，在这种情况下如何将字符串转换为适当的形式？
或者将所有数据输入到模型中，然后用完成的模型查询会更有意义吗？在这种情况下，我如何在字符串中查询给定关键字的最近集群？

修改

显然我正在使用预先计算的距离测量，因此 affinity =＆＃34;预计算＆＃34; 似乎是正确的选择。在那种情况下，

lev_similarity = -1*np.array([[Levenshtein.distance(w1,w2) for w1 in new_data] for w2 in new_data])
ap = sklearn.cluster.AffinityPropagation(affinity="precomputed", damping=0.5)
ap.fit(lev_similarity)

其中new_data也封装了测试数据。

然后问题变成：我如何使用此模型进行查询？

Answer 1

对于您的第一个问题，您提供的文档链接表示'predict'方法接受并返回和数组 - 这是一个列表。在用户指南（文档中的链接）中，我找到了输入/输出的示例：

    labels_true = [0, 0, 0, 1, 1, 1]
    labels_pred = [0, 0, 1, 1, 2, 2].

因此，如果您已经有一个包含要建模的数据的字符串，只需将其转换为列表即可。

该文档还描述了AffinityPropagation类返回以回答第二个问题的方法。

Levenshtein距离亲和传播预测查询

1 个答案: