我怎样才能聚集字符串桶？

Question

我有几个桶。每个桶包含许多标签（字符串）。我如何根据相似性或重叠将桶聚集在一起？

例如

存储桶 A：'ostrich'、'sparrow'、'hummingbird'、'zebra'、'blue jay'

存储桶 B：'banana'、'watermelon'、'grape'、'carrot'

存储桶 C：'celery'、'lettuce'、'spinach'、'banana'、'carrot'

存储桶 D：'sparrow'、'dog'、'cat'、'lion'、'elephant'、'horse'

在这个非常非常小的示例中，B+C 将组成一个集群（因为香蕉和胡萝卜），而 A 和 D 将各自位于自己的集群中，因为没有足够的集群来对它们进行集群。

Answer 1

您可以使用基于集合的距离，例如具有层次聚类的 Jaccard。