Jaki jest najlepszy pakiet open source do klastra?

Question

Który z pakietów open-source najlepiej nadaje się do grupowania dużego zbioru dokumentów? Powinien albo sam decydować o liczbie klastrów, albo może to zaakceptować jako parametr.

Mamy duży zbiór dokumentów, które tak naprawdę nie koncentrują się na konkretnym temacie - są dokumentami tworzonymi przez sprzedawców i kierowników różnych projektów i klientów w organizacji. Wiem, że posiadanie takiego rozproszonego korpusu obniży wydajność, ale staramy się żyć z najlepszymi, jakie możemy uzyskać. Teraz, co jest najlepsze, co możemy dostać :-)

Answer 1

listę oprogramowania do modelowania temat ze strony głównej eksperta w dziedzinie: http://www.cs.princeton.edu/~blei/topicmodeling.html

Konkurencyjna wiodącą grupą (z kodem open source): http://nlp.stanford.edu/software/tmt/tmt-0.3/

Kolejny projekt open source Java: http://mallet.cs.umass.edu/topics.php