我有一个问题，就是将大量句子按其含义分组。当您有很多句子并想按其含义对它们进行分组时，这类似于一个问题。
建议使用什么算法来做到这一点？我不知道簇的数量（随着更多数据的到来，簇也可以改变），通常用什么特征来表示每个句子？
我现在正在尝试使用最简单的功能，将单词列表和句子之间的距离定义为：
（A和B是句子A和B中的相应单词集）
真的有道理吗？
我正在尝试将scikit库中的Mean-Shift算法应用于此距离，因为它不需要预先提供多个簇。
如果有人会建议解决问题的更好方法/方法，将不胜感激，因为我还是这个话题的新手。
Answers:
检查Stanford NLP Group的开源软件（http://www-nlp.stanford.edu/software），尤其是Stanford Classifier（http://www-nlp.stanford.edu/software/classifier.shtml） 。该软件以编写Java，可能会令您满意，但也具有某些其他语言的绑定。请注意，许可 -如果您打算在商业产品中使用其代码，则必须获得商业许可。
另一套有趣的开源库，即IMHO，适合该任务以及更多其他功能，是用于机器学习GraphLab的并行框架（http://select.cs.cmu.edu/code/graphlab），其中包括集群库，实现了各种集群算法（http://select.cs.cmu.edu/code/graphlab/clustering.html）。它实现了模型，因此特别适用于海量数据（如您所拥有的数据）MapReduce，因此支持多核和多处理器 并行处理。
您最有可能了解以下内容，但是为了以防万一，我会提到它。自然语言工具包（NLTK）为Python（http://www.nltk.org）包含聚类/分类/分类文本模块。检查中的有关章节NLTK Book：http://www.nltk.org/book/ch06.html。
更新：
说到算法，您似乎已经尝试了大部分算法，scikit-learn例如本主题提取示例中所示的示例：http : //scikit-learn.org/stable/auto_examples/applications/topics_extraction_with_nmf.html。但是，您可能会发现有用的其他库，这些库实现了多种聚类算法，包括非负矩阵分解（NMF）。这样的库之一是Python矩阵分解（PyMF），其主页位于https://code.google.com/p/pymf，源代码位于https://github.com/nils-werner/pymf。另一个甚至更有趣的库（也是基于Python的）是NIMFA，它实现了各种NMF算法：http：//nimfa.biolab.si。这是一篇研究论文，描述了NIMFA：http : //jmlr.org/papers/volume13/zitnik12a/zitnik12a.pdf。这是其文档中的一个示例，该示例为主题聚类的非常相似的文本处理问题提供了解决方案：http : //nimfa.biolab.si/nimfa.examples.documents.html。