围绕主题聚集短语

Question

我遇到了一个非常不寻常的问题。我有一组从大量文档中提取的短语（名词短语）。这些短语的长度 >=2 和

我们正在考虑对这些进行聚类的非常简单的方法。如果我最初将主题数量保持为固定，是否有一种快速工具/软件/方法可用于对这些进行聚类，以便集群内的所有短语都属于特定主题/主题？我没有任何训练集或任何其他可以用作训练集的集群。

Answer 1

如果你想包含关于世界的知识，例如 cat 和 dog 将聚集在一起，你可以使用WordNet's domains hierarchy .

Answer 2

主题分类不是一个简单的问题。

用于对长文档（100 个词）进行分类的常规方法通常基于频繁词，不适合非常短的消息。我相信你的问题有点类似于推文分类。

两篇非常有趣的论文是：

• Discovering Context: Classifying Tweets through a Semantic Transform Based on Wikipedia （在 HCI 国际 2011 上发表）
  • Eddi: Interactive Topic-based Browsing of Social Status Streams（在 UIST'10 上发表）