我有下面的人和他的技能数据已经编入solr索引。
Candidate, Skills
-----------------
1, Java, JSP, Servlet, Spring, Hibernate
2, Java JSP, JDBC
3, Java, JDBC, RMI
4, JDBC, SQL
5, .Net, C#从上面我想要与每项技能构建术语关系数据,以及它们之间的关联程度,所以以后这些信息可以用于更好地搜索任何需求&新技能可以适当地与现有技能相关联。
根据研究,我发现我需要对向量项进行聚类,可能是mahout或carrot2,但我不知道这是如何实现的。
我相信carrot2在内存集群中是这样做的,所以缩放可以成为问题,所以我正在研究mahout。
发布于 2014-03-27 18:27:38
Mahout是分布式和可扩展机器学习算法的库。因此,如果您的数据大小小于500 is,并且您不希望使用超过1台机器-- Carrot2或Weka或python + nltk是一个正确的选择。否则马乌特。第二点是,Mahout可以使用Solr矢量“开箱即用”。
发布于 2014-03-20 21:13:56
Carrot2适用于自然文本(如网页、新闻文章)的聚类,而您的数据实际上是一组符号。因此,在这项任务中,Carrot2不会对您有多大帮助。Mahout确实有许多适合您的数据的聚类算法,您也可以尝试韦卡,它附带了一套完整的机器学习工具和一个UI。
https://stackoverflow.com/questions/22542899
复制相似问题