图片描述聚类的简单例子
前段时间加了个微信好友，发现这位研发工程师的动态很好玩。一般人在朋友圈里写评论也就对一篇内容发表看法。他比较特别，评价的内容经常对成百上千份内容。比如评论上百首民谣歌词（链接）、分析《人民的名义》的六万多份用户的影评（链接）。
这些评论明显是用自然语言处理程序分析出来的，机器学习听了那么多，总算见到一个身边的实例了。受到这位工程师的启发，我准备用机器学习来做个实际应用，分析摄影师通常在什么环境会拍照片？
经过一番搜索、尝试，终于写完程序，得到处理结果如下图示。运行结果出乎意料的好，不仔细看很难发觉是机器自动处理的结果！关键字被聚成了7类：1是拍摄地点，2是环境，4是时机 ，5是表达主题，6是拍摄的技术动作，7是人物，3是其余的内容。
处理过程如下：
1.把中文语料数据（2016年搜狐新闻，2G）用分词工具（Jieba）分词后，再用Word2Vec分析出词组向量。程序运行了10个小时！
2.从摄影网站把摄影作品描述数据扒下来（Scrapy），分词后筛出前200个高频词组，然后再用第一步的词组向量聚类成七类（KMeans）。
参考：