모델에서 직접 문서 벡터를 사용하여 k-means 클러스터링 알고리즘 (예 : k-means 클러스터링 알고리즘)을 적용 할 수 있습니다. 그런 다음 Centroids를 사용하여 문서에 레이블을 지정하십시오. 클러스터의 모든 문서와 일치하는 것은 무게 중심이 검색을 위해 사용될 수 있으며, 필요하지 않은 경우
from scipy.cluster.vq import kmeans,vq
NUMBER_OF_CLUSTERS = 15
centroids, _ = kmeans(model.docvecs, NUMBER_OF_CLUSTERS)
# computes cluster Id for document vectors
doc_ids,_ = vq(model.docvecs,centroids)
# zips cluster Ids back to document labels
doc_labels = zip(model.docvecs.doctags.keys(), doc_ids)
# outputs document label and the corresponding cluster label
[('doc_216', 0),
('doc_217', 12),
('doc_214', 13),
('doc_215', 11),
('doc_212', 13),
('doc_213', 11),
('doc_210', 5),
('doc_211', 13),
('doc_165', 0),
... ]
(gensim 사용). 예를 들어, centroid (cluster) 1에 가장 가까운 10 개의 문서를 가져옵니다.
model.docvecs.most_similar(positive = [centroids[1]], topn = 10)
# outputs document label and a similarity score
[('doc_243', 0.9186744689941406),
('doc_74', 0.9134798049926758),
('doc_261', 0.8858329057693481),
('doc_88', 0.8851054906845093),
('doc_276', 0.8691701292991638),
('doc_249', 0.8666893243789673),
('doc_233', 0.8334537148475647),
('doc_292', 0.8269758224487305),
('doc_98', 0.8193566799163818),
('doc_82', 0.808419942855835)]