我有一个说明房子特征的短语列表。
l = ["cats allowed", "dogs allowed", "pets allowed" , "24 hour doorman", "24 hour concierge", "24/7 concierge", "24hr doorman", ...]。
该列表包含约20000个字词。我想创建类似单词的集群。在这里，将形成两个集群。
clstr1 = ["cats allowed", "dogs allowed", "pets allowed"]
clstr2 = ["24 hour doorman", "24 hour concierge", "24/7 concierge", "24hr doorman"]
我不知道群集的总数。直到现在，我只能理解这可以通过k-means clustering algorithm完成。但是，为此，我必须vectorize这些词。我正在考虑使用pre-trained google word2vec模型对单词进行向量化，然后将kmeans中的scikit learn应用于随机数量的群集n_clusters = 2000。我有更好的方法吗？使用nltk或任何其他方法？