聚类分析中矩阵选择的隐藏陷阱

对关键词做聚类分析时，输入数据可以是原始的词篇0-1矩阵（记录某关键词是否出现在某文献中），也可以是先算好相似系数的相关/相异矩阵。看似殊途同归，实际有研究证明用相关矩阵会让统计软件把相似度计算两次，从而扭曲并高估相似度，导致后期聚类结果越来越难解释。这是一个提醒：分析流程中”先转换成看似更直接的中间表示”这一步，本身可能悄悄引入偏差，选择更贴近原始数据的输入形式往往更稳妥。