基于网页内容聚类
基于网页内容的聚类系统设计
- 根据给出的一组网页地址，然后对指定的网页按内容聚成3类
- 网页地址如下所示
1
2
3
4
5
6
7
8
9
实现步骤
1、抓取指定网址的源码；
2、解析网页文章内容；
3、对文章内容进行分词，并转换成向量表示（词袋法或TF.IDF）；
4、选取合适的距离公式和聚类算法进行聚类，要求聚成3类。（可以用欧式距离或余弦距离等。聚类方法可以考虑用K-means方法等。）
具体要求
1、显示解析后的网页文章内容；
2、显示文章对应的向量；
3、显示文章向量与三个类的类中心距离；
4、显示最终的分类结果，即哪些网址分为一类。
原文：https://www.cnblogs.com/FireTim/p/14966995.html