оптимальная кластеризация больших данных Опции

[Де бин Анатолий]

Добрый день. Спасибо администрации за идею создания такого полезного форума. Мой вопрос не столь по медицине, сколь из области маркетинга. Я провожу одно исследование. Не вдаваясь в подробности, цель исследования это изучить какие запросы яндексом воспринимаются как семантически близкие. Как я стал это делать. Я сам программист больше, я написал парсер. Работает он так. Ввожу запрос N1, яндекс в ответ дает какие-то ответы
запрос?1
ответ?1
ответ?2
...
потом в роли ключевого выступают эти ответы.
ответ?1
ответN
ответN
ответN
получается примерно такое. Т.е. по сути все транспонируется.

Далее , я стал высчитывать расстояние. Обратите внимание от фразы ремонт компьютеров столбец A1 до фразы ремонт ноутбуков 1 шаг. А от фразы ремонт ноутбуков столбец d1 до фразы ремонт компьютеров тоже 1 шаг. вычитаем расстояние по модулю. 1-1=0 Но на самом деле 0 я равнял к единицы. Эти запросы стоят очень близко. вообще до 10 шагов это считается недалеко друг от друга запросы. Чтобы высчитать эти шаги, я написал макрос. Получаем такой результат. Типа квадратная матрица.
Решил спрограммировать граф, но там бешенная каша.

Хотелось бы попросить помощи, а именно как лучше мне кластеризовать мои данные . Любой макрос сам напишу.Но меня интересует мнение математиков-профессионалов о том, как лучше визуализировать -кластеризовать мои данные, чтобы не было такое каши. Чтобы была четкая наглядность какие понятие(запросы) близки друг к другу.
Буду благодарен за любую подсказку.

Прикрепленные файлы

 ответ.rar ( 69,8 килобайт ) Кол-во скачиваний: 281
 макрос.rar ( 171,79 килобайт ) Кол-во скачиваний: 290
 корр.граф.rar ( 614,35 килобайт ) Кол-во скачиваний: 278

 

[anserovtv]

Ваши функции не являются метриками.
В данном случае применяются совсем другие (и очень сложные!) методы - нечеткий поиск (нечеткая логика).
Используют специальные нейронные сети - сети Хэмминга и специальные метрики с кодировкой.
http://habrahabr.ru/post/114997/
Существуют несложные бесплатные программы типа FuzzySearch / приложение к аналитической платформе Deductor/, демонстрирующие на простых примерах идеи данного метода.
Программу FuzzySearch легко скачать и установить. Автоматически создаете словарь, т.е. открываете из программы текстовый файл Word нужного типа (обычный текст, расширение txt ) и выполняете нечеткий поиск нужного "слова" в словаре.
Программа работает и с буквами (русскими, латинскими) и с цифрами.
http://www.basegroup.ru/download/demoprg/hamming/
P.S. Почти уверен в том, что время написания и отладки программы с уровнем, сравнимым с уровнем программ , применяемых в поисковых системах , можно смело измерять в годах.

Сообщение отредактировал anserovtv - 17.08.2014 - 16:06