根据余弦相似度值进行聚类
我从一组 URL 中提取了单词，并计算了每个 URL 内容之间的余弦相似度。而且我还标准化了 0-1 之间的值（使用最小-最大）。现在我需要根据余弦相似度值对 URL 进行聚类以查找找出类似的 URL。哪种聚类算法最合适？请建议我一种动态聚类方法，因为它会很有用，因为我可以按需增加 URL 的数量，而且它会更自然。如果您觉得我这样，请纠正我我正在制作以错误的方式取得进展。感谢您的期待。
I have extracted words from a set of URLs and calculated cosine similarity between each URL's contents.And also I have normalized the values between 0-1(using Min-Max).Now i need to cluster the URLs based on cosine similarity values to find out similar URLs.which clustering algorithm will be most suitable?.Please suggest me a Dynamic clustering method because it will be useful since i could increase number of URL's on demand and also it will be more natural.Please correct me if you feel i'm making the progress in a wrong way.Thanks in anticipation.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
K-means聚类可以用于在线学习，你只需要先验选择聚类的数量。另外，我认为你不应该标准化你的数据，因为余弦已经提供了 [0:1] 范围内的值。您的最小-最大标准化可能会导致信息丢失。
K-means clustering can be used for online learning, you just need to select the number of clusters a priori. Also, I think you shouldn't normalize your data, because cosine already provides values in the range [0:1]. Your Min-Max normalization could lead to information loss.