R：对文档进行聚类

我有一个DocumentTerm矩阵，如下所示：

      artikel naam product personeel loon verlof    
 doc 1    1       1    2        1        0    0     
 doc 2    1       1    1        0        0    0    
 doc 3    0       0    1        1        2    1   
 doc 4    0       0    0        1        1    1   

在tm包中，可以计算两个文档之间的汉明距离。但是现在我想对所有汉明距离小于3的文档进行聚类。 所以这里我希望集群1是文档1和文档2，集群2是文档3和文档4。有可能这样做吗？

我已将您的表保存到myData：

然后使用e1071库中的hamming.distance函数。您可以使用自己的距离，只要它们是矩阵形式

lilbrary(e1071)
distMat <- hamming.distance(myData)

查看每个文档的集群成员资格的另一种方法是使用表：

---

因此，文档1和文档2分为一组，而文档3和文档4分为另一组。

如果包含一个可复制的示例，这个问题将更容易回答，对其他人也更有用。看到和

lilbrary(e1071)
distMat <- hamming.distance(myData)

dendrogram <- hclust(as.dist(distMat), method="complete")

groups <- cutree(dendrogram, h=5)

plot(dendrogram)  # main plot
points(c(-100, 100), c(5,5), col="red", type="l", lty=2)  # add cutting line
rect.hclust(dendrogram, h=5, border=c(1:length(unique(groups)))+1)  # draw rectangles

table(groups, rownames(myData))

groups doc1 doc2 doc3 doc4
     1    1    1    0    0
     2    0    0    1    1