Carrot2对文章进行聚类代码示例

最新推荐文章于 2024-03-14 11:47:00 发布

weixin_30413739

最新推荐文章于 2024-03-14 11:47:00 发布

阅读量297

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能

原文链接：http://www.cnblogs.com/wangweiblogs/archive/2013/02/04/2891747.html

本文介绍了一种基于Java实现的文档聚类分析方法，利用特定的控制器和算法对文档进行聚类处理，并展示了如何根据文档内容和URL进行聚类分析的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

public class ClusteringFlyStoneDocument {

    public static void main(String[] args) {

        final Controller controller = ControllerFactory.createCachingPooling(IDocumentSource.class);
        //创建需要处理的属性对象
        final Map<String, Object> attributes = Maps.newHashMap();

        //需要处理的文档集合
        List<Document> documents = SampleDocumentData.DOCUMENTS_DATA_MINING;

        //将文档添加到聚类属性中
        CommonAttributesDescriptor.attributeBuilder(attributes).documents(documents);

        //设置处理的语言（）
        MultilingualClusteringDescriptor.attributeBuilder(attributes).defaultLanguage(LanguageCode.CHINESE_SIMPLIFIED);

        //设置需要处理的对象，以及聚类的算法
        final ProcessingResult englishResult = controller.process(attributes, LingoClusteringAlgorithm.class);

        //获取结果，打印聚类主题及关联信息
        final List<Cluster> clustersByTopic = englishResult.getClusters();
        System.out.println("=======聚类主题=====");
        for(Cluster cluster : clustersByTopic){
            System.out.println("【主题】" +cluster.getLabel());
            List<Document> cDocLst = cluster.getAllDocuments();
            for(Document doc : cDocLst){
                System.out.println("--------" + doc.getTitle());
            }
        }

        //通过URL进行聚类
        final ProcessingResult byDomainClusters = controller.process(documents, null,ByUrlClusteringAlgorithm.class);
        final List<Cluster> clustersByDomain = byDomainClusters.getClusters();
        System.out.println("=======URL聚类=======");
        for(Cluster cluster : clustersByDomain){
            System.out.println("【URL】" +cluster.getLabel());
            List<Document> cDocLst = cluster.getAllDocuments();
            for(Document doc : cDocLst){
                System.out.println("----" + doc.getTitle());
            }
        }
    }

}

转载于:https://www.cnblogs.com/wangweiblogs/archive/2013/02/04/2891747.html