如何对字符串桶进行聚类？

Question

我有几个桶。每个桶包含许多标签（字符串）。如何根据相似性或重叠将存储桶聚集在一起？

例如

桶 A：“鸵鸟”、“麻雀”、“蜂鸟”、“斑马”、“蓝鸟”

桶 B：'香蕉'、'西瓜'、'葡萄'、'胡萝卜'

C 桶：'celery', 'lettuce', 'spinach', 'banana', 'carrot'

D桶：'sparrow'、'dog'、'cat'、'lion'、'elephant'、'horse'

在这个非常非常小的示例中，B+C 将组成一个集群（因为香蕉和胡萝卜），而 A 和 D 将各自在自己的集群中，因为没有足够的数据来集群它们。

Answer 1

您可以使用基于集合的距离，例如带有层次聚类的 Jaccard。