文本挖掘的聚类还在自己撸代码？嗯，有点费劲。input2.txt这个资源就挺省事的，预、分词都安排好了，关键是特征项聚类效果还蛮靠谱，比较适合做文本分类、舆情这类需求。

里面的流程比较清晰，比如你拿到一堆用户评论，先清洗文本，再用它做分词，跑一波KMeans或者DBSCAN，直接就能聚出不同话题，挺适合快速验证方案的。

跟它搭配的几个文章资源也蛮有用，Gensim 的 LDA 代码那篇（看这）我试过，配起来用效率挺高。还有一些像语义、分词词频的内容，能补你在特征提取这块的短板。

要注意的一点是：分词质量影响大，建议你换成jieba或者THULAC这种开源分词库自己调一下。还有聚类的时候别忘了先做个TF-IDF或者Word2Vec向量化，不然聚出来就全在一堆了。

如果你最近在折腾文本挖掘项目，不妨把input2.txt当成个起点。快速上手，还能少踩点坑。