減少重疊對象組的數量

Question

我有一長串的對象組。每個對象都具有簡單的屬性，如名稱和描述。他們已經被分組了類似的對象，但我知道很多組是冗餘或以某種方式重疊。列表不包含重複的對象，順序無關緊要。

有關如何根據相似性將它們降低爲「n」組的任何建議？謝謝。

即字符串

["apple", "orange", "pear"] 
["apple", "steak", "orange"] 
["steak", "burger"] 

前兩個是最相似的大致

Answer 1

也許你可以嘗試建立，其中，列的數目對應於數據集中的不同單詞的數量的矩陣。行數是您的數據點的數量。然後，條目（i，j）是單詞j在樣本i中出現的次數。一旦你有了這個矩陣，那麼任何常見的聚類算法都可以工作，並且你可以用你喜歡的任何方式來定義相似度。