Python是一種高效的編程語言，它在自然語言處理領域中廣受歡迎。在文本分析中，相似性聚類是一種重要的技術。本文介紹如何使用Python進行相似文本聚類。

# 導入必要的庫
import os
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
# 讀取文本
def read_file(file_path):
with open(file_path, 'r') as f:
content = f.read()
return content
# 將文本轉換為TF-IDF向量
def text_to_vector(file_path):
content = read_file(file_path)
vectorizer = TfidfVectorizer()
vector = vectorizer.fit_transform([content])
return vector.toarray()
# 聚類
def kmeans_cluster(data, n_clusters):
km = KMeans(n_clusters=n_clusters)
km.fit(data)
return km.labels_
# 讀取文本數據并進行聚類
# 假設文本數據存放在data目錄中
data_path = './data'
files = os.listdir(data_path)
texts = []
for file in files:
text = text_to_vector(os.path.join(data_path, file))
texts.append(text)
labels = kmeans_cluster(texts, n_clusters=5)
# 將聚類結果和文本名保存到CSV文件中
data = pd.DataFrame({'filename': files, 'label': labels})
data.to_csv('result.csv', index=False)

以上代碼實現了從文本讀取數據、將數據轉換為TF-IDF向量、利用K-Means算法進行聚類并將聚類結果保存到CSV文件中的功能。在實際應用中，我們可以根據需要對代碼進行修改，比如改變TF-IDF算法的參數、更改聚類算法、增加對大規模數據的支持等。