字符串聚類（使用卦？）

Question

我有一個字符串的列表，我想分類爲組。然後我想要顯示來自每個組的字符串。

說我的名單看起來是這樣的：

• 敏捷的棕色狐狸跳過懶狗
• 敏捷的棕色狐狸跳過懶狗!!!!
• 的棕色狐狸跳過懶狗
• 誠，侏儒運動員們煩惱淋巴
• 侏儒運動員們煩惱lymph123
• 我愛餅乾

然後我想表明這樣的事情（一個字符串從每類）：

• 敏捷的棕色狐狸跳過懶狗
• 侏儒運動員們煩惱lymph123
• 我愛餅乾

我知道卦是字符串分類一件很容易的和有用的解決方案爲「字符串是相似」和「串它們是不同的」。我也很確定他們可以用來將字符串列表分成類，但我不知道如何。

任何人都可以幫助我，還是應該使用完全不同的東西？

我更喜歡一種簡單且可維護性高的方法。

Answer 1

您幾乎可以使用任何聚類技術，只需從每個羣集中選擇一個表示形式。最簡單的方法之一是在你的文本的n-gram空間上使用k-medoids，並打印出簇的質心（因爲k-medoids需要質心作爲訓練集的一部分）

Answer 2

You haven沒有提到用於字符串聚類成組的標準。從你的問題來看，不清楚分組標準是什麼。我可以想象任何標準：

• 串長度是成一定範圍內
• 一些字母呈現（或不呈現）到字符串
• 某些詞呈現（或不呈現）到字符串
• 串有一些指標接近（例如編輯距離）
• 串是由感
• 關閉，數百..

請確切地提一下你的情況下什麼是分類標準。