将概念上类似的文档聚类在一起？

Question

这是一个比实际实现更概念化的问题，我希望有人能够澄清。我的目标如下：给定一组文档，我想对它们进行聚类，使属于同一个聚类的文档具有相同的“概念”。

据我了解，Latent Semantic Analysis让我找到给定矩阵X术语文档矩阵即低秩近似，它会分解X为三个矩阵的乘积，其中有一个是对角矩阵Σ：

现在，我会选择一个低阶近似进行选择，即只能从Σ前k值，然后计算出X'。一旦我有了这个矩阵，我就必须应用一些聚类算法，最终的结果将是一组集合文件的类似概念。这是应用集群的正确方法吗？我的意思是，计算X'，然后在其上应用集群或者是否有其他一些方法？

此外，在一定程度上我的related question，有人告诉我，一个邻居的意义丢失的维度数量的增加。在这种情况下，从X'聚类这些高维数据点的理由是什么？我猜测，集群类似文件的要求是一个真实世界的要求，在这种情况下，人们如何去解决这个问题呢？

Answer 1

对于你的问题的第一部分：不，你不需要再执行任何'集群'。这种集群已经可以从您的singular value decomposition获得。如果这仍不清楚，请详细了解您的链接Latent Semantic Analysis。

对于你的第二部分：请找出你的问题的第一部分，然后根据这个问题重申你的问题的这一部分。