使用python对51job的招聘信息进行爬虫，使用python对职位信息输出词云，词频统计图，使用jieba库进行分词，然后使用gensim的word2vec进行词向量训练，然后使用sklearn的k-means算法进行聚类。压缩包内有代码，数据，简单的小论文文档，代码来源于网络，论文自己写的，水平一般。代码在anaconda的spyder开发环境可以正常运行。

资料说明：包括数据+代码+文档+代码讲解。 1.项目背景 2.数据获取 3.数据预处理 4.探索性数据分析 5.特征工程 6.构建聚类模型 7.结论与展望

一个简单的K-means文本聚类Java实现,可以让你了解怎样去实现一个自己的文本聚类方法

对文本进行聚类，文本预处理-->构造特征向量-->聚类，压缩包内含有实验用语料

文本挖掘是数据挖掘领域中一个热门的研究方向。在文本挖掘领域中，文本聚类技术有助于缩小数据搜索空间，提高查询精度。作为一种无监督的机器学习方法，文本聚 类技术己经成为对文本信息进行有效地组织、摘要和导航的重要手段，为越来越多的研究人员所关注。可以说，文本聚类的研究具有重要的理论意义和实际使用价值。自组织特征映射神经网络SOM在聚类应用中具有自组织映射、可视化好、计算效率高、聚类效果好等良好特性。因此，本文将SOM神经网络应用到中文文本聚类中，研究其在文本聚类中的有关特性。

JAVA文本聚类 K-MEANS TFIDF 纯JAVA源代码，可运行。

基于大数据文本聚类关联的网络招聘信息挖掘.doc

基于大数据文本聚类关联的网络招聘信息挖掘.pdf

GSDMM：短文本聚类 该项目为的Dirichlet混合模型实现了Gibbs采样算法，用于短文本文档的聚类。 该算法的一些优点： 它只需要集群数的上限K 通过良好的参数选择，模型可以快速收敛 空间高效且可扩展 该项目是GSDMM的易于阅读的参考实现，除非有需求，否则我不打算维护它。 不过，我积极维护更快锈版本GSDMM的。 电影组过程 在他们的论文中，作者介绍了一个简单的概念模型来解释GSDMM，称为电影组过程。 想象一下一位教授正在领导一个电影课。 在课程开始时，将学生随机分配到K表。 在上课之前，学生会列出自己喜欢的电影。 教授反复朗读班级角色。 每次调用学生姓名时，学生必须选择一个

本程序采用C#实现了K均值聚类，批处理文件中的参数为需要批处理的文件名，文件中的每一行为一个文件，在实际使用中，可以更加需要修改