基于共现的聚类

Question

我想基于使用R的共现关键字对数据进行聚类。与other posts相比，我遇到了2个难点。

1. 单词具有不同的层次结构
2. 关键字不一定按顺序或层次结构级别显示

实施例

Keywords
Food;Fruit;Banana
Food;Fruit;Apple
Fruit;Food;Orange
Food;Bread;Toast
Food;Bread;Whole Grain
Bed;Bedroom;Furniture
Furniture;Bedroom;Bed
Furniture;Living Room;Chair
Furniture;Bedroom;Chair

我希望结果是关键字在第一级分支到食品和家具。在第二个和第三个，还有另外的分支，例如卧室，起居室。如果我使用像

这样的层次聚类分析

hc <- hclust(dist(data))
plot(hc)

我最终会选择＆＃34; Furniture＆＃34;作为最低级别的一个类别，但它是一个＆＃34;节点和＃34;在我的例子中。

有解决这个问题的功能吗？

最佳

皮特

Answer 1

评论太长了，但也许不是你想要的：

df <- read.csv2(header=F, comment.char="#", text="
Food;Fruit;Banana
Food;Fruit;Apple
#Fruit;Food;Orange
Food;Bread;Toast
Food;Bread;Whole Grain
#Bed;Bedroom;Furniture
Furniture;Bedroom;Bed
#Furniture;Living Room;Chair
Furniture;Bedroom;Chair")

library(data.tree)
df$pathString <- with(df, paste("root", V1, V2, V3, sep="/"))
dt <- as.Node(df)
dt
#                  levelName
# 1  root                   
# 2   ¦--Food               
# 3   ¦   ¦--Fruit          
# 4   ¦   ¦   ¦--Banana     
# 5   ¦   ¦   °--Apple      
# 6   ¦   °--Bread          
# 7   ¦       ¦--Toast      
# 8   ¦       °--Whole Grain
# 9   °--Furniture          
# 10      °--Bedroom        
# 11          ¦--Bed        
# 12          °--Chair  

查看data.tree vignette。

Answer 2

您所描述的是与群集分析不相似。

执行以下操作：

1. 计算每个学期的频率。
2. 按术语频率按行排序。
3. 将每一行插入树中。

树将分支到最常用的术语，下面有更具体的术语。

除了计算+按频率排序外，没有任何分析发生 - 因此没有任何进展或花哨但直截了当的分析。