新闻文本的聚类，可以视为文本聚类的一类应用，而文本聚类在二十几年前就有大量的研究 12。归功于统计方法的进步，文本聚类从最早的词频统计，到文本建模，话题建模，再到词嵌入（word embedding) 发明之后的各种嵌入方法。方法众多，但可以说文本分类是一个未解决的问题（当然由于文本是人类生成的，可以说这是一个没有完美答案的问题）。新闻文本聚类显然是很有吸引力的，生产远大于消费，让人产生信息焦虑，时间线飞速前进的错觉。这终究是个和平年代，让每一个人了解每天世界上发生的每一件大事仍然是合理的愿望。1. 加载数据下载新闻数据集，这里提供一份文中使用的样例数据:page_entity_2018051……