把一批评论、开放题或短文本按内容相似性分成若干组,给出每组的规模、占比、代表关键词和示例文本,并附三项聚类质量指标供判断分组是否合理。
分类数可以手动指定,也可以交给程序比较各候选分类数的轮廓系数(衡量同组是否紧凑、不同组是否分得开的指标)后自动选定,实际分组数至少为 2。比较文本的方式可选按词频权重,适合短评论和问卷开放题;或按词向量,适合成段的长文本。
把一批评论、开放题或短文本按内容相似性分成若干组,给出每组的规模、占比、代表关键词和示例文本,并附三项聚类质量指标供判断分组是否合理。
分类数可以手动指定,也可以交给程序比较各候选分类数的轮廓系数(衡量同组是否紧凑、不同组是否分得开的指标)后自动选定,实际分组数至少为 2。比较文本的方式可选按词频权重,适合短评论和问卷开放题;或按词向量,适合成段的长文本。
每 10,000 个字符 2 点