文档聚类和文本分类是文本挖掘的基本任务，本文主要针对的是无监督的聚类算法，包括K-means聚类、谱系聚类和LDA主题建模。
Python环境下对文本的处理主要用到以下模块：nltk、pandas、sklearn、gensim等。对于想利用Python来处理文本的挖掘者来说，本文应该是不错的借鉴。
原链接：http://nbviewer.jupyter.org/github/yihongfa/pythondata/blob/master/document_cluster.ipynb
You May Also Enjoy
王成军副教授专著《跨越网络的门槛》出版
‘信息扩散作为一种普遍存在的现象，在人类生活中扮演着重要角色。伴随着Web2.0的兴起，信息共享网站（Information Sharing Website，ISW）已经成为互联网信息扩散的新平台。信息共享网站通常以社交网络服务（Social Networking Service，SNS）、信息聚合器（infor...
寻找真、假新闻中的“丑小鸭”：使用窥视策略预测新闻扩散规模和真实性
信息扩散中存在着一些“丑小鸭”类型的信息。“丑小鸭”类型的信息初始阶段就与众不同，一经转发，便可成为网络中的流行信息。
计算传播网迁移至豆瓣小组
为了方便维护和更新，计算传播网正式迁移至豆瓣小组。链接为：https://www.douban.com/group/webmining/
思考真实熵
在Limits of Predictability in Human Mobility一文（Song, 2010, Science）当中，Song等人提出人类移动行为的可预测性问题。强调了采用香农熵或随机熵不能捕捉到移动位置的时间序列特点，主张采用一种真实熵(the actual entropy)的测量方式，表示...
Leave a Comment