在java中为kmeans聚类java encog向量化文本文件答案

【问题标题】：Vectorizing text file in java for kmeans clustering java encog在java中为kmeans聚类java encog向量化文本文件
【发布时间】：2015-07-26 21:32:03
【问题描述】：

我正在使用 java encog 机器学习库来运行 kmeans 集群。问题是它只能用于数字数据。有没有办法对文本文件（数据）进行矢量化，以便我可以直接输入 kmeans 聚类算法。

我是这个领域的新手。任何帮助表示赞赏。

【问题讨论】：

可能更适合 datascience.stackexchange.com 。但是，您必须解释您的实体是什么，以及您想要使用什么距离度量。如果您有多个文本，并且想找出文本之间的相似性，一种常见的做法（据我所知）是收集所有文本中的所有单词（假设为 100 个单词），然后创建一个 100 维向量对于每个文本。该向量对文本中的单词有一个“1”，对所有其他条目有一个“0”。

标签： java vectorization k-means encog

【解决方案1】：

尝试使用对象输出流如下

ByteArrayOutputStream baos = new ByteArrayOutputStream();
ObjectOutputStream oos = new ObjectOutputStream(baos);
oos.writeObject("YOUR_TEXT");
oos.close();

【讨论】：