如何对大约500000个字符串进行聚类

Question

我有大约500000个字符串，我想将它们分组。是否有可以用来做这个的webportal或webservice？

字符串是唯一的。 我需要根据相似性将它们分组。

还有其他方法吗？

Answer 1

如果您的意思是将字符串（单词）的lis聚类到相似性组中，您需要告诉您是否需要找到在相同聚类中出现类似编辑（Levenshtein）距离的单词。例如，你会说“算法”和“alogrithm”应该有很高的机会出现在同一个集群中。

现有技术建议使用像

这样的图聚类算法

• Louvain群集
• 受限社区搜索群集（RNSC）
• Affinity Propgation Clustering (APC)
• Markov Cluster算法 （MCL）。