概念上将类似文档聚类在一起？

Question

这更像是一个概念问题，而不是实际的实施，我希望有人可以澄清。我的目标如下：给定一组文档，我想对它们进行聚类，使属于同一个集群的文档具有相同的“概念”。

根据我的理解，Latent Semantic Analysis让我找到一个术语 - 文档矩阵的低秩近似，即给定矩阵 X ，它将分解 X 作为三个矩阵的乘积，其中一个是对角矩阵Σ：

现在，我将继续选择低秩近似，即仅从Σ中选择前k值，然后计算 X'。一旦我有了这个矩阵，我就必须应用一些聚类算法，最终结果将是对具有相似概念的文档进行分组。这是应用群集的正确方法吗？我的意思是，计算 X'，然后在其上应用聚类或是否还有其他方法？

此外，在我的某个related question中，有人告诉我，随着维度数量的增加，邻居的含义会丢失。在这种情况下，从 X'聚类这些高维数据点的理由是什么？我猜测集群类似文档的要求是一个现实世界的要求，在这种情况下，如何解决这个问题？

Answer 1

对于您的第一部分问题：不，您不再需要执行任何“群集”了。您可以从singular value decomposition获得此类群集。如果仍然不清楚，请详细了解您的链接Latent Semantic Analysis。

的详细方式

对于你的第二部分：请弄清楚你问题的第一部分，然后根据这一部分重述你的问题。