注：
1.每次操作結果不同是因為該演算法的起始點是隨機的
2.之後要實現對該方法評估的功能
3.之後會實現選擇最佳的k值
import jieba
import csv
import numpy as np
from sklearn.feature_extraction.text import tfidfvectorizer
from sklearn.cluster import kmeans
def jieba_tokenize(text):
return jieba.lcut(text)
# takenizer=jieba_tokenize為分詞函式，lowercase為是否將文字轉換成小寫
tfidf_vectorizer = tfidfvectorizer(tokenizer=jieba_tokenize, lowercase=true)
# 需要進行聚類的文字集
file=open('c:\\users\\86049\\desktop\\contract_info.csv',encoding='utf-8')
reader=csv.reader(file)
text_list=
for row in reader:
# 將列表型別轉換為字串型別
text=''.join(row)
#將字串加入列表中
# 用文字集建立詞袋模型
tfidf_matrix = tfidf_vectorizer.fit_transform(text_list)
# 使用k-means進行文字聚類
num_clusters = 5
km_cluster = kmeans(n_clusters=num_clusters, max_iter=300, n_init=1, init='k-means++',n_jobs=1)
#各自文字的所被分配到的類索引
result = km_cluster.fit_predict(tfidf_matrix)
ans=np.zeros((100), dtype=np.int)
for i in result:
ans[i]=ans[i]+1
for i in range(0,num_clusters):
print(ans[i])
歐基里德距離計算相似度評價值
歐幾里得距離評價方法已經過人們一致評價的物品為座標軸，然後將參與評價的人繪製在圖上並考察他們彼此距離，計算出每一軸上的差值，求平方後再相加，最後對總和求平方根。critics gene michael claudia mick jack toby from math import sqrt def ...
中文單詞的表示以及相似度計算方法
詞的獨熱表示 one hot representation 給定乙個詞典 我，是，計算機專業，的，學生 1 求給定單詞的表示 我 1,0,0,0,0 計算機專業 0,0,1,0,0 學生 0,0,0,0,1 每個單詞的長度是詞典的長度，詞典長度為5，對於詞典和第乙個單詞 我 來說，詞典中 我 出現，...
語言條件語序心得 語言相似度對學習有多大影響？
首先說明，這不是一篇回答，而是向大家求教。我們經常會碰到類似問題，比如 母語為普通話者學習粵語，母語為西班牙語者學習葡萄牙語，母語為英語者學習德語，這三者相比，何者更難？www.zhihu.com 究其本質，都是在 目標語言 方言和母語的相似度對於學習者的影響。兩種語言 方言間學習難度的大小，不完全...