我的场景非常简单：我有一堆新闻文章（目前约为 1k），我知道其中一些文章涵盖了相同的故事/主题。我现在想根据共享的故事/主题（即，基于它们的相似性）对这些文章进行分组。
到目前为止，我所做的是应用基本的 NLP 技术，包括停用词删除和词干提取。我还计算了每篇文章的 tf-idf 向量，并且还可以根据这些 tf-idf 向量计算余弦相似度。但是现在随着文章的分组，我有点挣扎。我看到了两种主要的方法——可能是相关的——来做到这一点：
1）机器学习/聚类：我已经对现有的聚类库进行了一些尝试，或多或少取得了成功；看这里。一方面，诸如 k-means 之类的算法需要聚类的数量作为输入，我不知道。其他算法需要的参数也不能直观地指定（对我来说就是这样）。
2）图算法：我可以将我的数据表示为一个图，其中文章是节点，加权边表示文章之间的成对（余弦）相似度。例如，我可以首先删除所有低于某个阈值的边，然后可以应用图算法来寻找强连接子图。
简而言之，我不确定从这里最好去哪里——我在这个领域还是很新的。我想知道是否有一些最佳实践，或者某种指导方针，哪些方法/算法可以（不）应用于某些场景。
（编辑：忘记链接到我的相关问题）