1 CLUTO聚类工具
1.1工具介绍
CLUTO是一个聚类低维和高维数据集的软件包，用于分析各种类别的特征。CLUTO提供三种聚类算法，既可以直接在聚类对象的特征空间上直接聚类，也可以按照对象的相似空间来聚类。这些算法为基于切分的、基于凝聚的和基于图形切分的。
在CLUTO中实现了六种基本的短文本聚类算法，这些算法分别是rb（重复二分法），rbr，direct（直接聚类），agglo（凝聚聚类），graphct（图形聚类）和bagglo。
CLUTO的下载地址：http://glaros.dtc.umn.edu/gkhome/cluto/cluto/overview
CLUTO 聚类器为命令行调用。将测试的文本数据 集转化为 CLUTO 能识别的文件格式，CLUTO的数据格式说明如下表所示：
Doc2mat，这个工具提供了这一功能。CLUTO的官网提供了下载地址：
http://glaros.dtc.umn.edu/gkhome/cluto/cluto/download
而Doc2mat的数据转换，需要用到Perl工具。Perl 被称为“实用报表提取语言”（Practical Extraction and Report Language）。Perl 是一种能完成任务的语言。从一开始，Perl 就设计成可以把简单工作简单化，同时又不失去处理困难问题能力的语言。它可以很容易操作数字，文本，文件和目录，计算机和网络，特别是程序的语言。Perl下载地址：http://strawberryperl.com/。
1.2 Perl 安装及使用
（1）首先，要搭建一个Perl运行的环境：这里下载的是strawberry-perl-5.22.2.1-32bit.msi。点击该文件，按照安装提示，安装就OK了。这里我的安装路径是: c:\strawberry。
（2）检查perl是否已经在系统的path环境变量中：
点击：开始->运行，输入cmd，然后运行perl -v。
如果能显示perl的版本，说明你的perl已经在PATH环境变量中；如果显示“不是内部命令也不是外部命令”，那参照以下流程把perl加入PATH环境变量：
第一步：右键单击我的电脑，选择“属性”，点击“高级选项卡”，单击“环境变量”，在“系统变量”下面去找PATH，
第二步：选中PATH，单击“编辑”，再添加“c:\strawberry\perl\bin”，然后点击确定，修改完成。再照着上面的方法，验证一下是否添加成功。
注意：要在修改完了之后重新打开一个命令行窗口，要不然看不到修改的结果。
（3）编辑Perl代码：在windows下用记事本就可以了，如：在记事本里输入如下内容：
#! /usr/bin/perl
print "hello,world\n";
然后保存为后缀为“perl.pl”的文件，保存在d:\perl文件夹中。
（4）运行Perl程序：开始->运行->cmd，然后用“cd”把路径调到刚才保存perl程序的地方，这里就是输入“ cd d:\perl"(此为之前perl.pl文件的保存文件夹）。在出现的 “d:\perl”后的命令行中输入“ perl perl.pl”，即可显示出“hello,world”。
运行结果如下：
1.3 doc2mat 安装及使用
将下载的doc2mat-1.0.tar.gz解压得到如下文件：
其中，ds1.raw为提供可以被转换成一个cluto兼容使用命令的文件例子。
方法一：
第一步：打开命令行，用“cd”把路径调到保存doc2mat以及ds1.raw所在的文件夹。其中，doc2mat与ds1.raw在同一文件夹下。ds1.raw中数据如下：
第一列为文件编号；后序为文件中的词语，用空格隔开。
第二步：在命令行中输入如下命令：
perl doc2mat -nlskip=1 ds1.raw da1.mat
da1.mat为转换后的目标文件，文件格式为cluto能够识别的.mat文件，保存在doc2mat与ds1.raw所在文件夹下。运行流程如下：
doc2mat所在文件夹中增加如下3个文件：
其中ds1.mat中数据格式如下：
方法二：
在命令行中输入如下命令：
perl e:\CLUTO\doc2mat-1.0\doc2mat -nlskip=1 e:\CLUTO\doc2mat-1.0\ds1.raw e:\CLUTO\doc2mat-1.0\da1.mat
即在命令中加入各文件的所在的路径，则可不需要进入到工具及文件所在的目录。
1.4 中文
doc2mat对中文的转换还没有实现，苦恼中，求解决方案啊啊啊啊啊啊
