Machine learning 文本挖掘与机器学习

我有一个单词和文本的数据集，我想进行聚类（通过K-means）或任何其他无监督/有监督的学习方法来区分单词。例如，单词“John”将被分类为一个名字（并将与其他人名进行聚类），“brazil”作为一个地方，等等。。。 有没有一个模型可以用来解决这个问题。 我听说过N-gram，但我不知道如何在x、y图或类似图上绘制Ngrams概率

---

如果你有任何精彩的例子，word2vec和嵌入怎么样

---

如果您只关心“名称”和“地点”，则应寻找命名实体解决方案。否则，您可能希望找到/开发一个良好的标签数据源（使用您关心的标签），并在此基础上学习分类器。您正在描述一个受监督的任务，即分类。我希望对数据进行聚类，然后做出决策，以便我可以近似单词类型（这些聚类最终将被标记为类）如果您没有预定义的类，word2vec是一个很好的解决方案。这里是tensorflow中的解决方案，您可以用向量的形式表示单词，然后使用例如余弦距离进行聚类。如果您有预定义的类，那么您必须使用监督学习。