语义聚类

Question

我正在寻找有关如何查找与单个概念相关的术语集群的建议。

目标是改进描述概念或过程或情况的图像的标签或关键字搜索。图像可以描述头脑风暴会议或特定主题。这些旨在用于 PowerPoint 或其他演示材料的图像具有用户贡献的标签。

问题是我们基于标签的搜索可能会带回完全不相关的图像。我们的目标是找到标签内的集群，以细化与中心概念相关的标签并删除与集群无关的异常值。

例如，如果您有会议、计划、头脑风暴和圆桌会议等标签。理想情况下，我们希望从集群中删除圆桌会议，因为它不符合主题。

我使用过 WordNet Similarity，但结果很奇怪。我想知道 python 的 NLTK 中是否还有其他工具可以帮助我解决这个问题。

谢谢！

Answer 1

您的问题基于您可以使用的“主题建模”领域： gensim https://radimrehurek.com/gensim/ 或 lda https://pypi.python.org/pypi/lda