使用 python 在文本聚类中绘制单词
Plotting words in text clustering using python
我的聚类结果如下图所示。
是否有任何类似于 fvid_clusters 的库可以生成如下图所示的图？ （使用 PYTHON）
- 第 1 步：将单词向量化为向量（每个大小为 n）
- 第 2 步：使用 kmean 将它们聚类成 k 个簇
- 第 3 步：运行 对第 1 步中生成的向量进行主成分分析，并将其降为二维（比如 x、y）
- 第 4 步：在位置 (x, y) 处绘制单词，其中 (x,y) 是 PCA 从其大小为 n 的全尺寸向量中减少的维度。为第 2 步中确定的属于哪个聚类的单词着色（每个聚类使用一种颜色）。
绘图与您显示的不完全一样，但我喜欢使用两种工具来探索文本聚类的结果（两者都绑定了 Python）。
白蚁：http://vis.stanford.edu/papers/termite
UMAP: https://umap-learn.readthedocs.io/en/latest/
这是使用 BBC Sports dataset.
使用 NMF（来自我的论文）进行主题建模的结果
我的聚类结果如下图所示。
是否有任何类似于 fvid_clusters 的库可以生成如下图所示的图？ （使用 PYTHON）
- 第 1 步：将单词向量化为向量（每个大小为 n）
- 第 2 步：使用 kmean 将它们聚类成 k 个簇
- 第 3 步：运行 对第 1 步中生成的向量进行主成分分析，并将其降为二维（比如 x、y）
- 第 4 步：在位置 (x, y) 处绘制单词，其中 (x,y) 是 PCA 从其大小为 n 的全尺寸向量中减少的维度。为第 2 步中确定的属于哪个聚类的单词着色（每个聚类使用一种颜色）。
绘图与您显示的不完全一样，但我喜欢使用两种工具来探索文本聚类的结果（两者都绑定了 Python）。
白蚁：http://vis.stanford.edu/papers/termite
UMAP: https://umap-learn.readthedocs.io/en/latest/
这是使用 BBC Sports dataset.
使用 NMF（来自我的论文）进行主题建模的结果