如何群集字符串桶？

Question

我有几个桶。每个桶包含许多标签（字符串）。如何根据相似性或重叠将桶集中在一起？

E.g.

铲斗一个： '鸵鸟'， '麻雀'， '蜂鸟'， '斑马'， '蓝鸦'

铲斗B： '香蕉'， '西瓜'， '葡萄'， '胡萝卜'

斗C： '芹菜'， '生菜'， '菠菜'， '香蕉'， '胡萝卜'

斗d： '麻雀'， '狗'， '猫'， '狮子'，“大象'，'马'

在这个非常非常小的例子中，B + C会使一个群集（因为香蕉&胡萝卜），而A和D将各自为b e在自己的集群中，因为它们不够集中。

Answer 1

您可以使用基于集合的距离，例如具有层次聚类的Jaccard。