Msn User Clustering
- 5. 中文斷詞
雞哥是蘿莉控
雞哥 / 是 / 蘿莉 / 控
- 6. 中文斷詞
中研院中文斷詞系統 (CKIP)
Yahoo 斷章取義
- 8. 清除無用資料
全形、半形符號
大小寫英文
注音
代名詞:你、我、他
結構助詞:的、地、得
關連詞:因為、所以、然後、結果
嘆詞:嗨、啊、喔、嗚、科科....... etc
- 12. K-mean - Text Retrievaling
我讀逢甲大學
相似度高
我是逢甲大學學生
相似度低
我是大學生
- 13. K-mean - Text Retrievaling
我讀逢甲大學
逢甲 / 大學
我是逢甲大學學生
大學
我是大學生
- 15. K-mean - Text Retrievaling
我讀逢甲大學
2
= 29%
7
我是逢甲大學學生
1
我是大學生 = 14%
7
- 17. K-mean - Text Retrievaling
U1 = { 1, 2, 3, 4 }
U2 = { 1, 2, 3 }
U3 = { 1, , 5, 6 }
U1 U2 U3
U1 0
U2 0.25 0
U3 0.83 0.80 0