如何导入文本文件以适合此聚类算法？

Question

我有 900 个 .txt 文件（所有这些都是美国总统的演讲）保存到我的 U:/ 驱动器上的一个文件夹中。我正在寻找运行一些文档聚类，按照此处给出的示例：http://brandonrose.org/clustering。在他的示例中，作者使用了 nltk 中的给定存储库。如何通过此算法正确地将我的文本文件导入运行？

最终，我试图按照总统说话的方式对总统进行分组，因此最好有五六个总统集群以及属于这些集群的总统列表。

Answer 1

如果可以使用glob模块获取每个文件名，然后将其内容读入字符串：

import glob

for filename in glob.glob("somefolder/*.txt"):
    with open(filename, 'r') as inputFile:
        filecontent = inputFile.read();

从现在开始，您可以使用变量 filename 和 filecontent 创建对象列表（最有可能是字典），然后您可以按照您链接的教程进行操作。

如何导入文本文件以适合此聚类算法？

How to import text files to fit this clustering algorithm?

python

algorithm

nltk