《textanalytics》课程简单总结（3）：text clustering

coursera上的公开课《https://www.coursera.org/course/textanalytics》系列，讲的非常不错哦。

1、text clustering的总体思想：

类似于topic mining，但要求每个text只有一个主题构成！

To generate a document, firstchoose a theta_i according to  p(theta_i), and then generateall words in the document using p(w|theta_i) 。

2、text clustering和topic mining的文本产生公式的区别：

每个document的产生有区别：

语料库产生无差别：

给定documents collection C={d1,...,dn}，则都是：

3、EM algorithm for text clustering：

4、（An Example of 2 Clusters for）EM text clustering：