如何使用多列对文本数据进行聚类？

【问题标题】：How can I cluster text data with multiple columns?如何使用多列对文本数据进行聚类？
【发布时间】：2018-12-04 13:15:32
【问题描述】：

我想做一个 k 表示对具有“title”、“genre”、“review”和“synopsis”列的书籍文本数据进行聚类。

我想使用“标题”作为指标或主键来进行聚类，但我不确定如何为此使用多个列。

我知道我首先必须对数据进行矢量化，但矢量化接收的是序列数据而不是数据帧值；所以在这里，我不知道如何按我的意愿使用所有列。

【问题讨论】：

【解决方案1】：

您可以单独对每一列进行矢量化并连接结果。

只要确保你进行稀疏连接即可。

但是，使用 k-means 对文本进行聚类并不能很好地工作。 K-means 对异常值和噪声非常敏感，测试充满了噪声。 k-means（k 信号和 i.i.d. 高斯误差）的基本假设不适用于文本。祝你好运...

【讨论】：