Классифицировать документы по узким кластерам

03.12.2012, 09:20. **Показов** 766. **Ответов** 2

Студворк — интернет-сервис помощи студентам

здравствуйте, препод дал задание на билдере кластеризовать документы по узким кластерам..вариант выглядит так:
1 Классифицировать документы по узким кластерам
подскажите пожалуйста как это можно реализовать или при помощи чего, а то совсем не понимаю как это делается...
более того, даже не совсем точно понимаю что от меня требуется

Добавлено через 10 минут
дали еще какой то алгоритм софия
Шаг 1. Выявление узких контекстов.
Для каждого слова из словаря коллекции на основе анализа вероятностного распределения контекста слова вычисляется энтропия, которая тем больше, чем более общеупотребительным является слово. Выбирая слова с наименьшей энтропией, мы получаем наименее общеупотребительные, "тяжелые" слова, которые и задают узкие контексты. При выявления слов с узкими контекстами можно рассматривать всю коллекция документов или некоторую ее часть. Также можно выбросить из рассмотрения некоторое подмножество слов общего словаря коллекции. Найденные узкие контексты далее рассматриваются как подтемы, представленные в коллекции документов. Обычно для специализированных коллекций в несколько сот тысяч документов формируется 1000 и более таких подтем.
скорее всего делать нужно по ней...
и если да, то допустим загрузили 2 документа в 2 мемо..
но как или с помощью чего можно записать все схожие слова и их количество без понятия

Добавлено через 1 минуту
вот код поиска для мемо 1 и 2

C++
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
//ïîèñê ñëîâ äëÿ Memo1
 int i, j, k, cc, n, num=0 ;
 bool k11;
    for ( i=0;i<Memo1->Lines->Count;i++)
     for ( j=1;j<Memo1->Lines->Strings[i].Length();j++)
      if ((n=Memo1->Lines->Strings[i].Pos(Edit1->Text))!=0)
      {
         cc=0;
         k11 = true;
         for ( k=1;k<n;k++)
           if(IsDelimiter(" ",Memo1->Lines->Strings[i],k))
             cc++ ;
         num=i;
         i=Memo1->Lines->Count; break;
      }
    Memo1->HideSelection = false;
    if ((n=Memo1->Text.AnsiPos(Edit1->Text))!=0) {
      Memo1->SelStart = n-num;
      Memo1->SelLength = Edit1->Text.Length();  }
 
         bool k12;
 
       for ( i=0;i<Memo1->Lines->Count;i++)
     for ( j=1;j<Memo1->Lines->Strings[i].Length();j++)
      if ((n=Memo1->Lines->Strings[i].Pos(Edit4->Text))!=0)
      {
         cc=0;
         k12 = true;
         for ( k=1;k<n;k++)
           if(IsDelimiter(" ",Memo1->Lines->Strings[i],k))
             cc++ ;
         num=i;
         i=Memo1->Lines->Count; break;
      }
    Memo1->HideSelection = false;
    if ((n=Memo1->Text.AnsiPos(Edit4->Text))!=0) {
      Memo1->SelStart = n-num;
      Memo1->SelLength = Edit4->Text.Length();  }
 
 
      //ïîèñê ñëîâ äëÿ Memo2
 int i1, j1, k1, cc1, n1, num1=0 ;
 bool k21;
    for ( i1=0;i1<Memo2->Lines->Count;i1++)
     for ( j1=1;j1<Memo2->Lines->Strings[i1].Length();j1++)
      if ((n1=Memo2->Lines->Strings[i1].Pos(Edit1->Text))!=0)
      {
         cc1=0;
         k21 = true;
         for ( k1=1;k1<n1;k1++)
           if(IsDelimiter(" ",Memo2->Lines->Strings[i1],k1))
             cc1++ ;
         num1=i1;
         i1=Memo2->Lines->Count; break;
      }
    Memo2->HideSelection = false;
    if ((n1=Memo2->Text.AnsiPos(Edit1->Text))!=0) {
      Memo2->SelStart = n1-num1;
      Memo2->SelLength = Edit1->Text.Length();  }
 
         bool k22;
 
       for ( i1=0;i1<Memo2->Lines->Count;i1++)
     for ( j1=1;j1<Memo2->Lines->Strings[i1].Length();j1++)
      if ((n1=Memo2->Lines->Strings[i1].Pos(Edit4->Text))!=0)
      {
         cc1=0;
         k22 = true;
         for ( k1=1;k1<n1;k1++)
           if(IsDelimiter(" ",Memo2->Lines->Strings[i1],k1))
             cc1++ ;
        // Edit2->Text = IntToStr(i+1);
         //Edit3->Text = IntToStr(cc+1);
         num1=i1;
         i1=Memo2->Lines->Count; break;
      }
    Memo2->HideSelection = false;
    if ((n1=Memo2->Text.AnsiPos(Edit1->Text))!=0) {
      Memo2->SelStart = n1-num1;
      Memo2->SelLength = Edit4->Text.Length();  }
      int kk=0;
      for(i=0;i>5;i++)
        {if(cc[i]==cc1[i])
         kk++ ;
         }
      Memo3->Lines->Add(Edit4->Text);
      Memo3->Lines->Add(kk);

@Avazart · 04.12.2012, 04:26

Честно говоря не особо понял ( про контексты )

Ну я б смотрел как приспособить std::map ( /multimap ) и наверное подобие слов как-то надо через boost/regex определить

04.12.2012, 19:38

Спасибо)))

Новые блоги и статьи Все статьи Все блоги /
Midnight Chicago Blues kumehtar 24.03.2026 Такой Midnight Chicago Blues, знаешь?. . Когда вечерние улицы становятся ночными, а ты не можешь уснуть. Ты идёшь в любимый старый бар, и бармен наливает тебе виски. Ты смотришь на пролетающие. . .	Контроль уникальности заводского номера - вариант №2 Maks 24.03.2026 В отличие от предыдущего варианта добавлено прерывание циклов, также добавлены новые переменные для сохранения контекста ошибки перед прерыванием цикла: Процедура ПередЗаписью(Отказ, РежимЗаписи,. . .	SDL3 для Desktop (MinGW): Вывод текста со шрифтом TTF с помощью библиотеки SDL3_ttf на Си и C++ 8Observer8 24.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-text-sdl3-c. zip finish-text-sdl3-cpp. zip	Жизнь в неопределённости kumehtar 23.03.2026 Жизнь — это постоянное существование в неопределённости. Например, даже если у тебя есть список дел, невозможно дойти до точки, где всё окончательно завершено и больше ничего не осталось. В принципе,. . .
Модель здравоСохранения: работники работают быстрее после её введения. anaschu 23.03.2026 geJalZw1fLo Корпорация до введения программа здравоохранения имела много невыполненных работниками заданий, после введения программы количество заданий выросло. Но на выплатах по больничным это. . .	Контроль уникальности заводского номера - вариант №1 Maks 23.03.2026 Алгоритм контроля уникальности заводского (или серийного) номера на примере документа выдачи шин для спецтехники с табличной частью. Данные берутся из регистра сведений, по которому настроено. . .	Хочу заставить корпорации вкладываться в здоровье сотрудников: делаю мат модель здравосохранения anaschu 22.03.2026 e7EYtONaj8Y Z4Tv2zpXVVo https:/ / github. com/ shumilovas/ med2. git	Программный отбор элементов справочника по группе Maks 22.03.2026 Установка программного отбора элементов справочника "Номенклатура" из модуля формы документа. В качестве фильтра для отбора справочника служит группа номенклатуры. Отбор по наименованию группы. . .

@Avazart 8488 / 6155 / 615 Регистрация: 10.12.2010 Сообщений: 28,683 Записей в блоге: 30
	04.12.2012, 04:26
	Честно говоря не особо понял ( про контексты ) Ну я б смотрел как приспособить std::map ( /multimap ) и наверное подобие слов как-то надо через boost/regex определить 1

Arkonise
	04.12.2012, 19:38
	Спасибо)))