我想使用carrot2 工作台对我的数据集进行聚类。我有一个带有文档的输入 xml 文件65536。我正在使用 Lingo 聚类算法。
但是当我开始这个过程时，工作台会在几秒钟内返回结果，所有文档都在“其他主题”集群中。
我用较小的数据集检查了聚类，我得到了结果。
问问题
150 次
1 回答
0
Carrot2 Lingo 算法专为小型数据集而设计，最多可包含一千个左右的文档。对于更大的数据集，您可能想尝试 STC，它的扩展性更好。
不管算法如何，Carrot2 都会处理内存中的所有数据，因此它不会扩展到数百万个文档。例如，在后一种情况下，您可能希望查看Apache Mahout。
于 2015-03-11T15:58:11.573 回答