Python 3.x “如何集群”；“文本文件”；加上；球形k-均值；使用Python？

我已经完成了传统的k-means文本聚类的实现。然而，现在，我需要将我的程序修改为“球形k-均值文本聚类”，但尚未成功

我已经在网站上搜索了解决方案，但仍然无法成功修改我的程序。 以下是应该对我的项目有帮助的资源，但我仍然无法找到一种方法

这是我的传统K-means计划：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
from sklearn.metrics import adjusted_rand_score
from sklearn.externals import joblib #store model

vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform(tag_document) //tag_document is a list that contains many strings

true_k = 3 //assume that i want to have 3 clusters
model = KMeans(n_clusters=true_k, init='k-means++', max_iter=100, n_init=1)
model.fit(X)

#store
 joblib.dump(model,'save/cluster.pkl')

#restore
clu2 = joblib.load('save/cluster.pkl')


order_centroids = model.cluster_centers_.argsort()[:, ::-1]
terms = vectorizer.get_feature_names()

---

我希望使用“球形k-均值聚类”对文本文档进行聚类。

首先，当两个相似文本之间的余弦距离很小时，您需要检查文本是否相似。在这之后，您可以规范化向量并使用kmeans进行聚类

我是这样做的：

k=20
kmeans=kmeans（n_clusters=k，init='random'，random_state=0）
normalizer=normalizer（copy=False）
sphere\u kmeans=make\u管道（规范化器，kmeans）
sphere\u kmeans=sphere\u kmeans.fit\u变换（word2vec-tfidf-vectors）

首先，当两个相似文本之间的余弦距离很小时，您需要检查文本是否相似。在这之后，您可以规范化向量并使用kmeans进行聚类

我是这样做的：

k=20
kmeans=kmeans（n_clusters=k，init='random'，random_state=0）
normalizer=normalizer（copy=False）
sphere\u kmeans=make\u管道（规范化器，kmeans）
sphere\u kmeans=sphere\u kmeans.fit\u变换（word2vec-tfidf-vectors）