machine-learning - 文档聚类后如何在特定的集群中实现查询搜索？

Question

我有两个集群作为一个类

Cluster : class

DocumentList : List<Document>
centroidVector : Map<String,Double>

现在的问题是，当查询被搜索时，它被解析为一个文件，然后被制作成一个文档对象，添加到 documentIndex 并且它的索引与其他文档一起构建。我这样做是因为它必须经过相同的过程，即标记化、词干提取等。但是现在我想在查询向量最相似的特定集群中实现查询搜索，即点积 ~ 0.5 -1。所以我必须在查询向量和集群向量之间取一个点积来做到这一点。但我不知道如何实现它，因为索引是在内存中创建的，而不是存储在数据库中。仍在进行中。

谢谢

Answer 1

聚类并不意味着搜索（即索引等）。这是一个分析步骤，旨在在您的数据集中找到可能的未知结构，而不是更快地检索信息。您有时可以利用该结构进行更快的搜索，但随后您需要一个可以利用它的索引。

如果您想进行相似性搜索，请立即进行索引！然后尝试通过之前进行一些聚类来改进索引。