基于标签的重叠聚类(软聚类)

Question

我正在寻找一种基于twitter提要的hashtag聚类算法，在该算法中，hashtag不会严格地分配给一个集群。

非常简单的例子：

#vegetable

• feed 2：#食品#vegetable

• feed 3：#食品#水果

• 饲料4：#食品#水果

我想得到的结果是：

食品#vegetable

• cluster 2：#食品#水果

当然，在现实中，我可以有成千上万的提要和数千种可能的标签。

我尝试了各种方法在科学学习(k-均值，光谱聚类，聚类)使用相似矩阵，如：

               #food | #vegetable | #fruit |
#food            1   |    1/2     |   1/2  |
#vegetable      1/2  |     1      |    0   |
#fruit          1/2  |     0      |    1   |

所有这些算法都可以工作，但它们会创建不相交的集群(每个散列标记只属于一个集群)。

Answer 1

• 您可以考虑您的hashtag是一个描述，并在其上运行一个LDA算法。它将创建包含多个哈希标签的主题，每个哈希标签可以在多个主题中找到。

，

• ，您可以从您的哈希标签中创建一个加权图。所有的哈希标签都是这个图的节点，当哈希标签出现在同一个提要中时，边会增加。从这个图中，您可以使用多个社区检测算法，该算法允许社区重叠(例如，单击)

。