在Solr索引中对文档进行聚类(使用自定义距离)

我想使用k-means聚类(机器学习)来对Solr Lucene中的文档进行聚类。文档通常有很多字段,其中一些是文本字段,还有一些是用于地理空间距离计算的位置(纬度和经度)。Solr提供了一种方法,可以根据索引中的特定字段(包括地理空间字段,使用Solr查询表达)来计算两个文档之间的得分(距离)。有没有办法利用这种“自定义距离”来执行k-means算法?

我想进一步解释一下“自定义距离”,通常对于“维度1”给定一个值X,另一个文档中对于相同的“维度1”也有一个类似的数值,我们计算欧几里得距离。

但是,在这个Solr的使用案例中,文档之间的距离是通过使用给定文档集的Solr相关性得分即时获得的。这相当于自定义距离。有没有工具或方法可以在这里提供帮助?

我可以使用R、Mahout或Octave来做这件事吗?

我知道我们可以从Solr中导出词向量并使用Mahout来做同样的事情,但这似乎需要导出,并且在Mahout中再次做Solr已经做过的事情来评分。此外,使用Solr查询计算距离的地理空间和优雅性也丢失了。

编辑:Solr的Carrot2似乎不适合,因为它更适合优化搜索结果(少于1K的结果)


回答:

您可以使用任何库或自实现的k-means来基于给定的相似性得分进行聚类。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注