如何使用无监督算法将客户与模型（客户 -> 项目列表 -> 项目中的单词列表）进行聚类答案

【问题标题】：How to cluster customers with the model (Customer -> Item list -> Word list in items) with an unsupervised algorithm如何使用无监督算法将客户与模型（客户 -> 项目列表 -> 项目中的单词列表）进行聚类
【发布时间】：2020-04-15 12:21:13
【问题描述】：

需要有关聚类模型的建议。有一个客户列表 -> 客户有一个产品列表 -> 每个产品包含几个单词。我想按活动类型（即一般主题）将客户分成几组。

您将如何引入这种用于向量聚类的模型，例如 K-means？

到目前为止，我的假设是 - 将每个单词变成一个 fasttext 向量，例如在 TF-IDF 上选择前 100 个单词，然后将 * 100（fasttext 向量的大小）乘以 100 个单词，这将变成 10,000列。也许在计算方面更经济？

【问题讨论】：

标签： nlp cluster-analysis

【解决方案1】：

这与推荐系统非常相关。我建议阅读有关基于内容与协同过滤推荐系统的文章。一个好的介绍是this blog post。

因此，您可以基于许多属性进行聚类。你提出的想法可能会奏效。如果你有关于产品的领域知识，你可以在寻找词向量之前诉诸这一点。例如，假设所有产品都是货架。你可以直接对产品进行矢量化，比如说

vec = [
    width,
    depth,
    height,
    width * depth,  # footprint/surface area is important on its own
    width * depth * height,
    color,  # numeric representation
    popularity,  # possibly using a metric like sales
]

这只是一个示例，但它展示了如何在不借助 NLP 的情况下直接对产品进行矢量化。

如果您无法想到直接矢量化您的产品，并且您不/不能使用协同过滤（可能是冷启动问题），那么您可能需要考虑矢量化整个产品描述使用Universal Sentence Encoder，无论输入大小如何，都会输出512维向量。

【讨论】：