1. 分词：由于企业描述是文本信息，需要对文本信息进行特征提取。文本分词可采用Jieba分词：
https://github.com/fxsjy/jieba
http://blog.csdn.net/FontThrone/article/details/72782499
2. 特征提取： 去掉停用词后（stopwords.txt），采用TFIDF作为每个文本的特征描述。
3. 采用KMeans聚类算法，根据第2 步得到特征对企业进行聚类， 尝试K=5，10，15，20，30，..., 50, 并选择合适的度量指标，选择最佳的K。
最近更新:
5年多前
