{"id":319046,"date":"2021-03-04T15:01:07","date_gmt":"2021-03-04T15:01:07","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=319046"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=319046","title":{"rendered":"\u041a\u0430\u043a ML \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043f\u0440\u0438 \u0430\u0443\u0434\u0438\u0442\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043a\u043b\u0438\u0435\u043d\u0442\u0441\u043a\u043e\u0433\u043e \u0441\u0435\u0440\u0432\u0438\u0441\u0430"},"content":{"rendered":"\n<div class=\"post__text post__text_v2\" id=\"post-content-body\">\n<p><em>\u041c\u043e\u0436\u043d\u043e \u043b\u0438 \u0437\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u043e\u0435 \u0432\u0440\u0435\u043c\u044f \u0438 \u0431\u0435\u0437 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0442\u0440\u0443\u0434\u043e\u0437\u0430\u0442\u0440\u0430\u0442 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043f\u0440\u0438\u0447\u0438\u043d\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u043d\u043e\u0432\u0435\u043d\u0438\u044f \u043d\u0435\u0433\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043e\u0442\u0437\u044b\u0432\u043e\u0432? \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u0445\u043e\u0442\u0438\u043c \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u043a\u0430\u043a \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 ML \u043d\u0430\u043c \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0440\u0435\u0448\u0438\u0442\u044c \u044d\u0442\u0443 \u0437\u0430\u0434\u0430\u0447\u0443.<\/em><\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/649\/f65\/762\/649f65762c9102c5a7ac8b51f50f3dcf.jpg\" width=\"720\" height=\"447\"><figcaption><\/figcaption><\/figure>\n<p>\u0412 \u0441\u0432\u043e\u0435\u0439 \u0440\u0430\u0431\u043e\u0442\u0435 \u043c\u044b \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0438\u0441\u044c \u0441 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c\u044e \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043b\u0438\u0435\u043d\u0442\u0441\u043a\u043e\u0433\u043e \u0441\u0435\u0440\u0432\u0438\u0441\u0430. \u041f\u0435\u0440\u0435\u0434 \u043d\u0430\u043c\u0438 \u0441\u0442\u043e\u044f\u043b\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043f\u0440\u0438\u0447\u0438\u043d\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u043d\u043e\u0432\u0435\u043d\u0438\u044f \u043d\u0435\u0433\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043e\u0442\u0437\u044b\u0432\u043e\u0432 \u043f\u043e \u043f\u043e\u0441\u0442\u043f\u0440\u043e\u0434\u0430\u0436\u043d\u043e\u043c\u0443 \u043e\u0431\u0441\u043b\u0443\u0436\u0438\u0432\u0430\u043d\u0438\u044e \u043f\u043e \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430\u043c \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u0438\u044f.<\/p>\n<p>\u041d\u0430 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u0442\u0440\u0430\u0442\u0438\u0442\u0441\u044f \u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438. \u041c\u044b \u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043b\u0438 \u0441\u0435\u0431\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 &#8212; \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0437\u0430\u0442\u0440\u0430\u0442\u044b \u043d\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041d\u0435 \u0441\u0435\u043a\u0440\u0435\u0442, \u0447\u0442\u043e \u043e\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0430\u043c\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 \u0432\u044b\u0431\u043e\u0440\u0430 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043f\u0435\u0440\u0432\u043e\u043e\u0447\u0435\u0440\u0435\u0434\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435\u0439 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u043c\u0435\u044e\u0449\u0435\u0439\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438. \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u0437\u0430\u0434\u0430\u0447\u0430 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0441\u044f \u043a \u0437\u0430\u0434\u0430\u0447\u0430\u043c, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u043c \u0441 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u043e\u0439 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u0442\u043e \u0438 \u043d\u0430\u0431\u043e\u0440 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0439 \u0431\u044b\u043b \u0432\u044b\u0431\u0440\u0430\u043d \u043c\u043e\u0436\u043d\u043e \u0441\u043a\u0430\u0437\u0430\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u043e\u0431\u043b\u0430\u0441\u0442\u0438.<\/p>\n<p>\u041d\u0430 \u043f\u0435\u0440\u0432\u043e\u043c \u044d\u0442\u0430\u043f\u0435, \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0438\u0437 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0431\u044b\u043b\u0438 \u0443\u0434\u0430\u043b\u0435\u043d\u044b \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u044b\u0435 \u043f\u043e\u043b\u044f, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u043d\u0435 \u043e\u0442\u043d\u043e\u0441\u044f\u0449\u0438\u0435\u0441\u044f \u043a \u0441\u0438\u043c\u0432\u043e\u043b\u0430\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430:<\/p>\n<pre><code class=\"python\">def cl_text(text):     c = text.lower()     c = re.sub(r'crm[^\\n]+', '', c)     c = re.sub(r'\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442:\\s*\\d{2}\\s?\\d{2}\\s?\\d{6}\\s*', '', c)     c = re.sub(r'\u0434\u0443\u043b:\\s*\\d{2}\\s?\\d{2}\\s?\\d{6}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0440\u043e\u0436\u0434\u0435\u043d\u0438\u044f( \u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u043b\u0438\u0446\u0430)?:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u043d\u0430\u0447\u0430\u043b\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u043e\u043a\u043e\u043d\u0447\u0430\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0432\u044b\u0434\u0430\u0447\u0438:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0432\u044b\u0434\u0430\u0447\u0438:[\\S\\W]\\w*', '', c)     c = re.sub(r'\\n+', ' ', c)     c = re.sub(r'\\s+', ' ', c)     c = re.sub(r\"[A-Za-z!#$%&amp;'()*+,.\/:;&lt;=&gt;?@[\\]^_`{|}~\u2014\\\"\\-]+\", ' ', c)     return c.strip()<\/code><\/pre>\n<p>\u0412\u0442\u043e\u0440\u044b\u043c \u044d\u0442\u0430\u043f\u043e\u043c \u0441\u0442\u0430\u043b\u043e \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0441\u043b\u043e\u0432 \u0432 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f\u0445 \u0432 \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0443\u044e \u0444\u043e\u0440\u043c\u0443, \u043f\u043e\u043f\u0443\u0442\u043d\u043e \u0443\u0434\u0430\u043b\u044f\u044f \u0441\u043b\u043e\u0432\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0437\u043d\u0430\u0447\u0430\u0442 \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u0438 \u043d\u0430\u0448\u0435\u0433\u043e \u0434\u043e\u043c\u0435\u043d\u0430. \u0414\u0430\u043d\u043d\u044b\u0435 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432\u0430 \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u043f\u043e\u0437\u0430\u0438\u043c\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u044b \u0438\u0437 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 NLTK \u0438 \u043f\u0435\u0440\u0435\u0447\u0438\u0441\u043b\u0435\u043d\u044b \u0432 \u043c\u0430\u0441\u0441\u0438\u0432\u0435 stopwords:<\/p>\n<pre><code>import pymorphy2 import nltk morph = pymorphy2.MorphAnalyzer() stopwords = nltk.corpus.stopwords.words('russian') stopwords.extend(['\u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u0435','\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442','\u043d\u043e\u043c\u0435\u0440','\u0437\u0430\u043f\u0440\u043e\u0441','\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u0438\u0435','\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u043e\u0439'])  def lemmatize(text):     text = re.sub(r\"\\d+\", '', text.lower()) #\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0446\u0438\u0444\u0440 \u0438\u0437 \u0442\u0435\u043a\u0441\u0442\u0430     for token in text.split():         token = token.strip()         token = morph.normal_forms(token)[0].replace('\u0451', '\u0435')         if token and token not in stopwords: tokens.append(token)     if len(tokens) &gt; 2: ' '.join(tokens)     return None<\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u0438\u0445 \u043d\u0435\u0445\u0438\u0442\u0440\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043f\u0440\u0438\u043d\u044f\u043b\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0432\u0438\u0434:<\/p>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p>\u0414\u043e \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438<\/p>\n<\/td>\n<td>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p>&#8216;CRM+XX.XX.XXXX XXXXXXXXXXXXX \u041a***\u0412\u0410 \u041d\u0410\u0422\u0410\u041b\u042c\u042f \u0413\u0415\u041e\u0420\u0413\u0418\u0415\u0412\u041d\u0410\\n\u0414\u0430\u0442\u0430 \u0440\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u043b\u0438\u0446\u0430: XX.XX.XXXX\\n\u0443 \u043a\u043b\u0438\u0435\u043d\u0442\u0430 \u043d\u0430 \u0425\u0425.\u0425\u0425.\u0425\u0425\u0425\u0425 \u0412 \u041b\u041a \u043e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u0414\u0418\u0414 [\u0421\u0423\u041c\u041c\u0410]   \u0440\u0443\u0431, \u043a\u043b\u0438\u0435\u043d\u0442\u0430 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u0435\u0442 \u043f\u043e\u0447\u0435\u043c\u0443 \u0414\u0418\u0434 \u043d\u0435 \u0432\u044b\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u044e\u0442, \u043a\u043b\u0438\u0435\u043d\u0442 \u043f\u0440\u043e\u0441\u0438\u0442 \u043f\u043e\u044f\u0441\u043d\u0438\u0442\u044c   \u043a\u043e\u0433\u0434\u0430 \u0414\u0418\u0434 \u0435\u0439 \u0431\u0443\u0434\u0435\u0442 \u0432\u044b\u043f\u043b\u0430\u0447\u0435\u043d, \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0432\u0441\u0435 \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u044b. \u043f\u0440\u043e\u0441\u044c\u0431\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c   \u0440\u0430\u0437\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u044f\\n\u0422\u0438\u043f \u0437\u0430\u0434\u0430\u0447\u0438: \u041f\u0440\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u0438\u0437\u044b\\n\u0414\u0423\u041b: XX XX XXXXXX&#8217;<\/p>\n<\/td>\n<td>\n<p>&#8216;\u043b\u043a \u0432\u0438\u0434\u0435\u0442\u044c \u0434\u0438\u0434 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u0442\u044c \u0434\u0438\u0434 \u0432\u044b\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u0442\u044c   \u043f\u0440\u043e\u0441\u0438\u0442\u044c \u043f\u043e\u044f\u0441\u043d\u0438\u0442\u044c \u0434\u0438\u0434 \u0432\u044b\u043f\u043b\u0430\u0442\u0438\u0442\u044c \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442 \u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u043f\u0440\u043e\u0441\u044c\u0431\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c   \u0440\u0430\u0437\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u0435&#8217;<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>\u0414\u0430\u043b\u0435\u0435, \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u043f\u043e\u0445\u043e\u0436\u0438\u0435 \u0436\u0430\u043b\u043e\u0431\u044b \u0432 \u0433\u0440\u0443\u043f\u043f\u044b \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0431\u044b\u043b\u043e \u043f\u0435\u0440\u0435\u0439\u0442\u0438 \u043e\u0442 \u0441\u043b\u043e\u0432\u0435\u0441\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0436\u0430\u043b\u043e\u0431 \u043a \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u043e-\u0447\u0438\u0441\u043b\u043e\u0432\u043e\u043c\u0443. \u041e\u0447\u0435\u043d\u044c \u0447\u0430\u0441\u0442\u043e \u0434\u043b\u044f \u044d\u0442\u043e\u0439 \u0446\u0435\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 OneHotEncoding \u0438\u043b\u0438 TF-IDF. \u0418 \u0445\u043e\u0442\u044f \u044d\u0442\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u044b \u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043d\u0435\u043f\u043b\u043e\u0445\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0432 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445, \u0432\u0441\u0435 \u0436\u0435, \u0443 \u043d\u0438\u0445 \u0435\u0441\u0442\u044c \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u044b\u0439 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u043a \u2013 \u0434\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044b \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u044b \u043d\u0430 \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0430\u0445 \u043a\u043e\u0440\u043f\u0443\u0441\u0430 \u0438 \u043d\u0435 \u0443\u0447\u0438\u0442\u044b\u0432\u0430\u044e\u0442 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443 \u0442\u0435\u043a\u0441\u0442\u0430. \u042d\u0442\u043e \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442, \u0447\u0442\u043e, \u043d\u0435 \u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u043e\u0434\u043d\u0443 \u0438 \u0442\u0443 \u0436\u0435 \u0441\u043c\u044b\u0441\u043b\u043e\u0432\u0443\u044e \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443, \u0432\u0435\u043a\u0442\u043e\u0440\u044b \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0439 \u00ab\u0441\u043e\u0436\u0430\u043b\u0435\u0435\u043c \u0437\u0430 \u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u044b\u0435 \u043d\u0435\u0443\u0434\u043e\u0431\u0441\u0442\u0432\u0430\u00bb \u0438 \u00ab\u043f\u0440\u043e\u0441\u0438\u043c \u043f\u0440\u043e\u0449\u0435\u043d\u0438\u0435 \u0437\u0430 \u0432\u043e\u0437\u043d\u0438\u043a\u0448\u0438\u0435 \u0442\u0440\u0443\u0434\u043d\u043e\u0441\u0442\u0438\u00bb \u043d\u0435 \u0431\u0443\u0434\u0443\u0442 \u0438\u043c\u0435\u0442\u044c \u043d\u0438\u0447\u0435\u0433\u043e \u043e\u0431\u0449\u0435\u0433\u043e \u0434\u0440\u0443\u0433 \u0441 \u0434\u0440\u0443\u0433\u043e\u043c, \u0442.\u043a. \u0444\u0440\u0430\u0437\u044b \u0441\u043e\u0441\u0442\u043e\u044f\u0442 \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u043b\u043e\u0432.<\/p>\n<p>\u0412\u0432\u0438\u0434\u0443 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u043e\u0441\u0442\u0438 \u0438 \u043d\u0435\u043f\u043b\u043e\u0445\u043e\u0439 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u043d\u0430\u043c\u0438 \u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c Universal Sentence Embedder, \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 \u0434\u043b\u044f \u043c\u043d\u043e\u0433\u0438\u0445 \u044f\u0437\u044b\u043a\u043e\u0432, \u0432 \u0447\u0438\u0441\u043b\u0435 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0438 \u0440\u0443\u0441\u0441\u043a\u0438\u0439. \u0414\u0430\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u043f\u0435\u0440\u0435\u0432\u0435\u0441\u0442\u0438 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u043e\u0435 \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u043e \u0441 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435\u043c \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438. \u0422\u0430\u043a\u043e\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u043f\u0435\u0440\u0435\u0434 \u043d\u0430\u043c\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u043f\u043e \u043e\u0446\u0435\u043d\u043a\u0435 \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u043f\u043e \u0441\u043c\u044b\u0441\u043b\u0443.<\/p>\n<pre><code class=\"python\">import tensorflow as tf import tensorflow_hub as hub import tensorflow_text  model = hub.load(r'\/UniverseSentenseEmbeddings\/USEv3') embedding = model(\u2018\u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0430 \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u2019)<\/code><\/pre>\n<p>\u041a\u0430\u043a \u0432\u0438\u0434\u0438\u043c, \u0434\u043b\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e 5 \u0441\u0442\u0440\u043e\u043a \u043a\u043e\u0434\u0430. \u0412\u0437\u0433\u043b\u044f\u043d\u0435\u043c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u0440\u0430\u0432\u043d\u0438\u0432 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u043e\u0435 \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u043c\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438 \u043e\u0442 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0444\u0440\u0430\u0437:<\/p>\n<pre><code class=\"python\">input1, input2 = ['\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430'], ['\u043a\u0440\u0443\u043f\u043d\u044b\u0439 \u043f\u0451\u0441', '\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043a\u043e\u0448\u043a\u0430', '\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430', '\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043a\u043e\u0448\u043a\u0430', '\u0441\u0442\u0430\u0440\u0430\u044f \u043a\u0430\u0440\u0442\u0438\u043d\u0430'] emb1, emb2 = model(input1), model(input2) results_cosine = pairwise.cosine_similarity(emb1, emb2).tolist()[0] for i, res in enumerate(results_cosine):     print('\"{}\" &lt;&gt; \"{}\", cos_sim={:.3f}'.format(input1[0],input2[i],results_cosine[i]))<\/code><\/pre>\n<p>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u043c:<\/p>\n<pre><code>\"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043a\u0440\u0443\u043f\u043d\u044b\u0439 \u043f\u0451\u0441\", cos_sim = 0.860 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043a\u043e\u0448\u043a\u0430\", cos_sim = 0.769 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\", cos_sim = 0.748 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043a\u043e\u0448\u043a\u0430\", cos_sim = 0.559 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u0441\u0442\u0430\u0440\u0430\u044f \u043a\u0430\u0440\u0442\u0438\u043d\u0430\", cos_sim = 0.192 <\/code><\/pre>\n<p>\u0418\u0442\u0430\u043a, \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043f\u043e\u043b\u043d\u0435 \u0436\u0438\u0437\u043d\u0435\u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u0438 \u0441\u0443\u0434\u044f \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u0432\u044b\u044f\u0432\u043b\u044f\u0435\u0442 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0441 \u0435\u0435 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0442\u0435\u043f\u0435\u0440\u044c \u043c\u043e\u0436\u043d\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u0432\u044b\u044f\u0432\u043b\u0435\u043d\u0438\u044f \u0442\u0435\u043c\u0430\u0442\u0438\u043a. <\/p>\n<p>\u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0431\u044b\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u044b 4 \u043c\u0435\u0442\u043e\u0434\u0430: DBSCAN, \u0430\u0433\u043b\u043e\u043c\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u0430\u044f, kMeans \u0438 MiniBatchKMeans. \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0438 \u043c\u044b \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0438\u0441\u044c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0440\u0430\u0431\u043e\u0442\u044b \u0430\u0433\u043b\u043e\u043c\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438, \u0442.\u043a., \u043f\u043e \u043d\u0430\u0448\u0435\u043c\u0443 \u043c\u043d\u0435\u043d\u0438\u044e, \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u043e\u0442 \u043c\u0435\u0442\u043e\u0434 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0430\u0434\u0435\u043a\u0432\u0430\u0442\u043d\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u043b \u043d\u0430\u0448 \u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 \u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043f\u043e\u0434\u0433\u0440\u0443\u043f\u043f\u044b:<\/p>\n<pre><code class=\"python\">from sklearn.cluster import AgglomerativeClustering num_clusters = 5 agglo1 = AgglomerativeClustering(n_clusters=num_clusters, affinity='euclidean') #cosine, l1, l2, manhattan get_ipython().magic('time answer = agglo1.fit_predict(sent_embs)')<\/code><\/pre>\n<p>\u0421 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u044b\u0448\u0435\u043e\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u0431\u044b\u043b\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b 5 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432, \u043e\u0434\u043d\u0430\u043a\u043e \u043d\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u0442\u043e\u044f\u043b\u043e \u0435\u0449\u0435 \u0432\u044b\u044f\u0441\u043d\u0438\u0442\u044c, \u0437\u0430 \u043a\u0430\u043a\u0443\u044e \u0442\u0435\u043c\u0443 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043a\u0430\u0436\u0434\u0430\u044f \u0438\u0437 \u0433\u0440\u0443\u043f\u043f. \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0431\u044b\u043b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u2013 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430 \u0431\u044b\u043b\u0438 \u043f\u043e\u0434\u0441\u0447\u0438\u0442\u0430\u043d\u044b \u0432\u0441\u0435 \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0435 \u0441\u043b\u043e\u0432\u0430 \u0438 \u0422\u041e\u041f10 \u0438\u0437 \u043d\u0438\u0445 \u0431\u044b\u043b\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u044b \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0441\u0443\u0442\u0438: <\/p>\n<pre><code>cl = {} for cluster, data in tqdm(report.groupby('AGGLOM'), desc=method):     arr = ' '.join(data['\u041d\u0424'].values).split()     arr_morph = []     for k in arr:         arr_morph.append(morph.parse(k)[0].normal_form)      cl[method+'_'+str(cluster)] = Counter([x.replace('\u0451', '\u0435') for x in arr_morph if x not in stopwords]).most_common(10) <\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0434\u043e\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0439 \u0441\u043f\u0438\u0441\u043a\u0430 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438\u0441\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b:<\/p>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p><strong><br \/>   <\/strong><\/p>\n<\/td>\n<td>\n<p><strong>\u0422\u041e\u041f10 \u0441\u043b\u043e\u0432<\/strong><\/p>\n<\/td>\n<td>\n<p><strong>\u0422\u0415\u041c\u0410<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_0<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0441\u043f\u0440\u0430\u0432\u043a\u0430&#8217;, 1548), (&#8216;\u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 786), (&#8216;\u0444\u043d\u0441&#8217;,   565), (&#8216;\u0432\u0437\u043d\u043e\u0441&#8217;, 552), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 494), (&#8216;\u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u0438\u0442\u044c&#8217;, 427), (&#8216;\u0443\u043f\u043b\u0430\u0442\u0438\u0442\u044c&#8217;,   371), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 73), (&#8216;\u0432\u043c\u0441\u0440&#8217;, 45), (&#8216;\u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0439&#8217;, 40)]<\/p>\n<\/td>\n<td>\n<p>\u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u043f\u0440\u0430\u0432\u043e\u043a<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_1<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 2984), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 2627),   (&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 2205), (&#8216;\u0432\u044b\u043f\u043b\u0430\u0442\u0430&#8217;, 2144), (&#8216;\u043f\u043b\u0430\u0442\u0435\u0436&#8217;, 1932), (&#8216;\u043b\u043a&#8217;, 1931),   (&#8216;\u0441\u043f\u0440\u0430\u0432\u043a\u0430&#8217;, 1688), (&#8216;\u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u0442\u044c\u0441\u044f&#8217;, 1653), (&#8216;\u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c&#8217;, 1571), (&#8216;\u043b\u0438\u0447\u043d\u044b\u0439&#8217;,   1460)]<\/p>\n<\/td>\n<td>\n<p>\u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u0441 \u043d\u0430\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u044b\u0445 \u0441\u043b\u0443\u0447\u0430\u0435\u0432,   \u0438\u0445 \u043e\u043f\u043b\u0430\u0442\u044b, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435\u043c \u043f\u043b\u0430\u0442\u0435\u0436\u0435\u0439 \u0432 \u043b\u0438\u0447\u043d\u043e\u043c \u043a\u0430\u0431\u0438\u043d\u0435\u0442\u0435<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_2<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 3807), (&#8216;\u043e\u0444\u043e\u0440\u043c\u0438\u0442\u044c&#8217;, 540), (&#8216;\u043e\u043f\u043b\u0430\u0442\u0430&#8217;,   443), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 370), (&#8216;\u043f\u043b\u0430\u0442\u0435\u0436&#8217;, 351), (&#8216;\u043e\u043f\u043b\u0430\u0442\u0438\u0442\u044c&#8217;, 312), (&#8216;\u0437\u0430\u0435\u043c\u0449\u0438\u043a&#8217;,   290), (&#8216;\u0432\u043b\u043e\u0436\u0435\u043d\u0438\u0435&#8217;, 275), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 272), (&#8216;\u0434\u0435\u043b\u043e&#8217;, 264)]<\/p>\n<\/td>\n<td>\n<p>\u0437\u0430\u043f\u0440\u043e\u0441\u044b \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043e \u043e\u0444\u043e\u0440\u043c\u043b\u0435\u043d\u0438\u0438 \u0438 \u043e\u043f\u043b\u0430\u0442\u0435 \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u044b\u0445   \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_3<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u043b\u043f\u0443&#8217;, 1100), (&#8216;\u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u0442\u044c&#8217;, 683), (&#8216;\u0432\u044b\u043f\u0438\u0441\u043a\u0430&#8217;,   660), (&#8216;\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435&#8217;, 440), (&#8216;\u0443\u0447\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u0435&#8217;, 428), (&#8216;\u0431\u043e\u043b\u044c\u043d\u0438\u0446\u0430&#8217;, 329), (&#8216;\u0434\u0438\u0430\u0433\u043d\u043e\u0437&#8217;,   315), (&#8216;\u043c\u0435\u0434&#8217;, 303), (&#8216;\u0432\u0440\u0430\u0447&#8217;, 292), (&#8216;\u043c\u0435\u0434\u0438\u0446\u0438\u043d\u0441\u043a\u0438\u0439&#8217;, 287)]<\/p>\n<\/td>\n<td>\n<p>\u0432\u043e\u043f\u0440\u043e\u0441\u044b \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u0441 \u0432\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435\u043c \u0441 \u041b\u041f\u0423, \u043c\u0435\u0434.   \u0443\u0447\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f\u043c\u0438 \u0438 \u0432\u0440\u0430\u0447\u0435\u0431\u043d\u044b\u043c \u043f\u0435\u0440\u0441\u043e\u043d\u0430\u043b\u043e\u043c<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_4<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0440\u0430\u0441\u0442\u043e\u0440\u0436\u0435\u043d\u0438\u0435&#8217;, 459), (&#8216;\u0432\u043e\u0437\u0432\u0440\u0430\u0442&#8217;, 459), (&#8216;\u043e\u0438\u0441&#8217;,   386), (&#8216;\u043d\u0430\u0439\u0442\u0438&#8217;, 383), (&#8216;\u0434\u0441&#8217;, 266), (&#8216;\u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u0442\u044c\u0441\u044f&#8217;, 196), (&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 184),   (&#8216;\u0434\u0441\u0436&#8217;, 142), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 5), (&#8216;\u0437\u0430\u0449\u0438\u0442\u0430&#8217;, 5)]<\/p>\n<\/td>\n<td>\n<p>\u0420\u0430\u0441\u0442\u043e\u0440\u0436\u0435\u043d\u0438\u0435 \u0434\u043e\u0433\u043e\u0432\u043e\u0440\u0430 \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0442 \u0434\u0435\u043d\u0435\u0436\u043d\u044b\u0445 \u0441\u0440\u0435\u0434\u0441\u0442\u0432<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>\u041d\u0443\u043b\u0435\u0432\u043e\u0439 \u0438 \u0432\u0442\u043e\u0440\u043e\u0439 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043d\u0435 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u043b\u0438 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0441 \u043d\u0435\u0434\u043e\u0432\u043e\u043b\u044c\u0441\u0442\u0432\u043e\u043c \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432, \u0447\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u043e \u0443\u0434\u0435\u043b\u0438\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438\u043c\u0435\u043d\u043d\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u0430\u043c \u0438\u0437 \u043e\u0441\u0442\u0430\u0432\u0448\u0438\u0445\u0441\u044f \u0442\u0440\u0435\u0445 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u043d\u044b\u0445 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432.<\/p>\n<p>&nbsp;\u0414\u0430\u043d\u043d\u044b\u0439 \u043c\u0435\u0442\u043e\u0434 \u043f\u043e\u043c\u043e\u0433 \u043d\u0430\u043c \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u0442\u044c \u0432\u0440\u0435\u043c\u044f \u0438 \u0442\u0440\u0443\u0434\u043e\u0437\u0430\u0442\u0440\u0430\u0442\u044b, \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u044f\u0434 \u0440\u0443\u0442\u0438\u043d\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447, \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u0434\u043b\u044f \u0440\u0443\u0447\u043d\u043e\u0433\u043e \u0430\u043d\u0430\u043b\u0438\u0437\u0430. <\/p>\n<p>\u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043d\u0430\u043c \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0411\u0414, \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f \u0438 \u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u0438 \u043f\u043e \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044e \u0434\u0435\u0439\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0432.<\/p>\n<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/545490\/\"> https:\/\/habr.com\/ru\/post\/545490\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text_v2\" id=\"post-content-body\">\n<p><em>\u041c\u043e\u0436\u043d\u043e \u043b\u0438 \u0437\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u043e\u0435 \u0432\u0440\u0435\u043c\u044f \u0438 \u0431\u0435\u0437 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0442\u0440\u0443\u0434\u043e\u0437\u0430\u0442\u0440\u0430\u0442 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043f\u0440\u0438\u0447\u0438\u043d\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u043d\u043e\u0432\u0435\u043d\u0438\u044f \u043d\u0435\u0433\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043e\u0442\u0437\u044b\u0432\u043e\u0432? \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u0445\u043e\u0442\u0438\u043c \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u043a\u0430\u043a \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 ML \u043d\u0430\u043c \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0440\u0435\u0448\u0438\u0442\u044c \u044d\u0442\u0443 \u0437\u0430\u0434\u0430\u0447\u0443.<\/em><\/p>\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<p>\u0412 \u0441\u0432\u043e\u0435\u0439 \u0440\u0430\u0431\u043e\u0442\u0435 \u043c\u044b \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0438\u0441\u044c \u0441 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c\u044e \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043b\u0438\u0435\u043d\u0442\u0441\u043a\u043e\u0433\u043e \u0441\u0435\u0440\u0432\u0438\u0441\u0430. \u041f\u0435\u0440\u0435\u0434 \u043d\u0430\u043c\u0438 \u0441\u0442\u043e\u044f\u043b\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043f\u0440\u0438\u0447\u0438\u043d\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u043d\u043e\u0432\u0435\u043d\u0438\u044f \u043d\u0435\u0433\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043e\u0442\u0437\u044b\u0432\u043e\u0432 \u043f\u043e \u043f\u043e\u0441\u0442\u043f\u0440\u043e\u0434\u0430\u0436\u043d\u043e\u043c\u0443 \u043e\u0431\u0441\u043b\u0443\u0436\u0438\u0432\u0430\u043d\u0438\u044e \u043f\u043e \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430\u043c \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u0438\u044f.<\/p>\n<p>\u041d\u0430 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u0442\u0440\u0430\u0442\u0438\u0442\u0441\u044f \u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438. \u041c\u044b \u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043b\u0438 \u0441\u0435\u0431\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 &#8212; \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0437\u0430\u0442\u0440\u0430\u0442\u044b \u043d\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041d\u0435 \u0441\u0435\u043a\u0440\u0435\u0442, \u0447\u0442\u043e \u043e\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0430\u043c\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 \u0432\u044b\u0431\u043e\u0440\u0430 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043f\u0435\u0440\u0432\u043e\u043e\u0447\u0435\u0440\u0435\u0434\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435\u0439 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u043c\u0435\u044e\u0449\u0435\u0439\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438. \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u0437\u0430\u0434\u0430\u0447\u0430 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0441\u044f \u043a \u0437\u0430\u0434\u0430\u0447\u0430\u043c, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u043c \u0441 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u043e\u0439 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u0442\u043e \u0438 \u043d\u0430\u0431\u043e\u0440 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0439 \u0431\u044b\u043b \u0432\u044b\u0431\u0440\u0430\u043d \u043c\u043e\u0436\u043d\u043e \u0441\u043a\u0430\u0437\u0430\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u043e\u0431\u043b\u0430\u0441\u0442\u0438.<\/p>\n<p>\u041d\u0430 \u043f\u0435\u0440\u0432\u043e\u043c \u044d\u0442\u0430\u043f\u0435, \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0438\u0437 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0431\u044b\u043b\u0438 \u0443\u0434\u0430\u043b\u0435\u043d\u044b \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u044b\u0435 \u043f\u043e\u043b\u044f, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u043d\u0435 \u043e\u0442\u043d\u043e\u0441\u044f\u0449\u0438\u0435\u0441\u044f \u043a \u0441\u0438\u043c\u0432\u043e\u043b\u0430\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430:<\/p>\n<pre><code class=\"python\">def cl_text(text):     c = text.lower()     c = re.sub(r'crm[^\\n]+', '', c)     c = re.sub(r'\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442:\\s*\\d{2}\\s?\\d{2}\\s?\\d{6}\\s*', '', c)     c = re.sub(r'\u0434\u0443\u043b:\\s*\\d{2}\\s?\\d{2}\\s?\\d{6}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0440\u043e\u0436\u0434\u0435\u043d\u0438\u044f( \u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u043b\u0438\u0446\u0430)?:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u043d\u0430\u0447\u0430\u043b\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u043e\u043a\u043e\u043d\u0447\u0430\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0432\u044b\u0434\u0430\u0447\u0438:\\s*\\d{2}\\.?\\d{2}\\.?\\d{4}\\s*', '', c)     c = re.sub(r'\u0434\u0430\u0442\u0430 \u0432\u044b\u0434\u0430\u0447\u0438:[\\S\\W]\\w*', '', c)     c = re.sub(r'\\n+', ' ', c)     c = re.sub(r'\\s+', ' ', c)     c = re.sub(r\"[A-Za-z!#$%&amp;'()*+,.\/:;&lt;=&gt;?@[\\]^_`{|}~\u2014\\\"\\-]+\", ' ', c)     return c.strip()<\/code><\/pre>\n<p>\u0412\u0442\u043e\u0440\u044b\u043c \u044d\u0442\u0430\u043f\u043e\u043c \u0441\u0442\u0430\u043b\u043e \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0441\u043b\u043e\u0432 \u0432 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f\u0445 \u0432 \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0443\u044e \u0444\u043e\u0440\u043c\u0443, \u043f\u043e\u043f\u0443\u0442\u043d\u043e \u0443\u0434\u0430\u043b\u044f\u044f \u0441\u043b\u043e\u0432\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0437\u043d\u0430\u0447\u0430\u0442 \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u0438 \u043d\u0430\u0448\u0435\u0433\u043e \u0434\u043e\u043c\u0435\u043d\u0430. \u0414\u0430\u043d\u043d\u044b\u0435 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432\u0430 \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u043f\u043e\u0437\u0430\u0438\u043c\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u044b \u0438\u0437 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 NLTK \u0438 \u043f\u0435\u0440\u0435\u0447\u0438\u0441\u043b\u0435\u043d\u044b \u0432 \u043c\u0430\u0441\u0441\u0438\u0432\u0435 stopwords:<\/p>\n<pre><code>import pymorphy2 import nltk morph = pymorphy2.MorphAnalyzer() stopwords = nltk.corpus.stopwords.words('russian') stopwords.extend(['\u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u0435','\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442','\u043d\u043e\u043c\u0435\u0440','\u0437\u0430\u043f\u0440\u043e\u0441','\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u0438\u0435','\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u043e\u0439'])  def lemmatize(text):     text = re.sub(r\"\\d+\", '', text.lower()) #\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0446\u0438\u0444\u0440 \u0438\u0437 \u0442\u0435\u043a\u0441\u0442\u0430     for token in text.split():         token = token.strip()         token = morph.normal_forms(token)[0].replace('\u0451', '\u0435')         if token and token not in stopwords: tokens.append(token)     if len(tokens) &gt; 2: ' '.join(tokens)     return None<\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u0438\u0445 \u043d\u0435\u0445\u0438\u0442\u0440\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u043f\u0440\u0438\u043d\u044f\u043b\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0432\u0438\u0434:<\/p>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p>\u0414\u043e \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438<\/p>\n<\/td>\n<td>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p>&#8216;CRM+XX.XX.XXXX XXXXXXXXXXXXX \u041a***\u0412\u0410 \u041d\u0410\u0422\u0410\u041b\u042c\u042f \u0413\u0415\u041e\u0420\u0413\u0418\u0415\u0412\u041d\u0410\\n\u0414\u0430\u0442\u0430 \u0440\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u043b\u0438\u0446\u0430: XX.XX.XXXX\\n\u0443 \u043a\u043b\u0438\u0435\u043d\u0442\u0430 \u043d\u0430 \u0425\u0425.\u0425\u0425.\u0425\u0425\u0425\u0425 \u0412 \u041b\u041a \u043e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u0414\u0418\u0414 [\u0421\u0423\u041c\u041c\u0410]   \u0440\u0443\u0431, \u043a\u043b\u0438\u0435\u043d\u0442\u0430 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u0435\u0442 \u043f\u043e\u0447\u0435\u043c\u0443 \u0414\u0418\u0434 \u043d\u0435 \u0432\u044b\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u044e\u0442, \u043a\u043b\u0438\u0435\u043d\u0442 \u043f\u0440\u043e\u0441\u0438\u0442 \u043f\u043e\u044f\u0441\u043d\u0438\u0442\u044c   \u043a\u043e\u0433\u0434\u0430 \u0414\u0418\u0434 \u0435\u0439 \u0431\u0443\u0434\u0435\u0442 \u0432\u044b\u043f\u043b\u0430\u0447\u0435\u043d, \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0432\u0441\u0435 \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u044b. \u043f\u0440\u043e\u0441\u044c\u0431\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c   \u0440\u0430\u0437\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u044f\\n\u0422\u0438\u043f \u0437\u0430\u0434\u0430\u0447\u0438: \u041f\u0440\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u0438\u0437\u044b\\n\u0414\u0423\u041b: XX XX XXXXXX&#8217;<\/p>\n<\/td>\n<td>\n<p>&#8216;\u043b\u043a \u0432\u0438\u0434\u0435\u0442\u044c \u0434\u0438\u0434 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u0442\u044c \u0434\u0438\u0434 \u0432\u044b\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u0442\u044c   \u043f\u0440\u043e\u0441\u0438\u0442\u044c \u043f\u043e\u044f\u0441\u043d\u0438\u0442\u044c \u0434\u0438\u0434 \u0432\u044b\u043f\u043b\u0430\u0442\u0438\u0442\u044c \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442 \u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u043f\u0440\u043e\u0441\u044c\u0431\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c   \u0440\u0430\u0437\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u0435&#8217;<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>\u0414\u0430\u043b\u0435\u0435, \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u043f\u043e\u0445\u043e\u0436\u0438\u0435 \u0436\u0430\u043b\u043e\u0431\u044b \u0432 \u0433\u0440\u0443\u043f\u043f\u044b \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0431\u044b\u043b\u043e \u043f\u0435\u0440\u0435\u0439\u0442\u0438 \u043e\u0442 \u0441\u043b\u043e\u0432\u0435\u0441\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0436\u0430\u043b\u043e\u0431 \u043a \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u043e-\u0447\u0438\u0441\u043b\u043e\u0432\u043e\u043c\u0443. \u041e\u0447\u0435\u043d\u044c \u0447\u0430\u0441\u0442\u043e \u0434\u043b\u044f \u044d\u0442\u043e\u0439 \u0446\u0435\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 OneHotEncoding \u0438\u043b\u0438 TF-IDF. \u0418 \u0445\u043e\u0442\u044f \u044d\u0442\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u044b \u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043d\u0435\u043f\u043b\u043e\u0445\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0432 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445, \u0432\u0441\u0435 \u0436\u0435, \u0443 \u043d\u0438\u0445 \u0435\u0441\u0442\u044c \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u044b\u0439 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u043a \u2013 \u0434\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044b \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u044b \u043d\u0430 \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0430\u0445 \u043a\u043e\u0440\u043f\u0443\u0441\u0430 \u0438 \u043d\u0435 \u0443\u0447\u0438\u0442\u044b\u0432\u0430\u044e\u0442 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443 \u0442\u0435\u043a\u0441\u0442\u0430. \u042d\u0442\u043e \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442, \u0447\u0442\u043e, \u043d\u0435 \u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u043e\u0434\u043d\u0443 \u0438 \u0442\u0443 \u0436\u0435 \u0441\u043c\u044b\u0441\u043b\u043e\u0432\u0443\u044e \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443, \u0432\u0435\u043a\u0442\u043e\u0440\u044b \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0439 \u00ab\u0441\u043e\u0436\u0430\u043b\u0435\u0435\u043c \u0437\u0430 \u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u044b\u0435 \u043d\u0435\u0443\u0434\u043e\u0431\u0441\u0442\u0432\u0430\u00bb \u0438 \u00ab\u043f\u0440\u043e\u0441\u0438\u043c \u043f\u0440\u043e\u0449\u0435\u043d\u0438\u0435 \u0437\u0430 \u0432\u043e\u0437\u043d\u0438\u043a\u0448\u0438\u0435 \u0442\u0440\u0443\u0434\u043d\u043e\u0441\u0442\u0438\u00bb \u043d\u0435 \u0431\u0443\u0434\u0443\u0442 \u0438\u043c\u0435\u0442\u044c \u043d\u0438\u0447\u0435\u0433\u043e \u043e\u0431\u0449\u0435\u0433\u043e \u0434\u0440\u0443\u0433 \u0441 \u0434\u0440\u0443\u0433\u043e\u043c, \u0442.\u043a. \u0444\u0440\u0430\u0437\u044b \u0441\u043e\u0441\u0442\u043e\u044f\u0442 \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u043b\u043e\u0432.<\/p>\n<p>\u0412\u0432\u0438\u0434\u0443 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u043e\u0441\u0442\u0438 \u0438 \u043d\u0435\u043f\u043b\u043e\u0445\u043e\u0439 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u043d\u0430\u043c\u0438 \u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c Universal Sentence Embedder, \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 \u0434\u043b\u044f \u043c\u043d\u043e\u0433\u0438\u0445 \u044f\u0437\u044b\u043a\u043e\u0432, \u0432 \u0447\u0438\u0441\u043b\u0435 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0438 \u0440\u0443\u0441\u0441\u043a\u0438\u0439. \u0414\u0430\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u043f\u0435\u0440\u0435\u0432\u0435\u0441\u0442\u0438 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u043e\u0435 \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u043e \u0441 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435\u043c \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438. \u0422\u0430\u043a\u043e\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u043f\u0435\u0440\u0435\u0434 \u043d\u0430\u043c\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u043f\u043e \u043e\u0446\u0435\u043d\u043a\u0435 \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u043f\u043e \u0441\u043c\u044b\u0441\u043b\u0443.<\/p>\n<pre><code class=\"python\">import tensorflow as tf import tensorflow_hub as hub import tensorflow_text  model = hub.load(r'\/UniverseSentenseEmbeddings\/USEv3') embedding = model(\u2018\u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0430 \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u2019)<\/code><\/pre>\n<p>\u041a\u0430\u043a \u0432\u0438\u0434\u0438\u043c, \u0434\u043b\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e 5 \u0441\u0442\u0440\u043e\u043a \u043a\u043e\u0434\u0430. \u0412\u0437\u0433\u043b\u044f\u043d\u0435\u043c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u0440\u0430\u0432\u043d\u0438\u0432 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u043e\u0435 \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u043c\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438 \u043e\u0442 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0444\u0440\u0430\u0437:<\/p>\n<pre><code class=\"python\">input1, input2 = ['\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430'], ['\u043a\u0440\u0443\u043f\u043d\u044b\u0439 \u043f\u0451\u0441', '\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043a\u043e\u0448\u043a\u0430', '\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430', '\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043a\u043e\u0448\u043a\u0430', '\u0441\u0442\u0430\u0440\u0430\u044f \u043a\u0430\u0440\u0442\u0438\u043d\u0430'] emb1, emb2 = model(input1), model(input2) results_cosine = pairwise.cosine_similarity(emb1, emb2).tolist()[0] for i, res in enumerate(results_cosine):     print('\"{}\" &lt;&gt; \"{}\", cos_sim={:.3f}'.format(input1[0],input2[i],results_cosine[i]))<\/code><\/pre>\n<p>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u043c:<\/p>\n<pre><code>\"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043a\u0440\u0443\u043f\u043d\u044b\u0439 \u043f\u0451\u0441\", cos_sim = 0.860 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043a\u043e\u0448\u043a\u0430\", cos_sim = 0.769 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\", cos_sim = 0.748 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043a\u043e\u0448\u043a\u0430\", cos_sim = 0.559 \"\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0441\u043e\u0431\u0430\u043a\u0430\" &lt;&gt; \"\u0441\u0442\u0430\u0440\u0430\u044f \u043a\u0430\u0440\u0442\u0438\u043d\u0430\", cos_sim = 0.192 <\/code><\/pre>\n<p>\u0418\u0442\u0430\u043a, \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043f\u043e\u043b\u043d\u0435 \u0436\u0438\u0437\u043d\u0435\u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u0438 \u0441\u0443\u0434\u044f \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u0432\u044b\u044f\u0432\u043b\u044f\u0435\u0442 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0441 \u0435\u0435 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0442\u0435\u043f\u0435\u0440\u044c \u043c\u043e\u0436\u043d\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u0432\u044b\u044f\u0432\u043b\u0435\u043d\u0438\u044f \u0442\u0435\u043c\u0430\u0442\u0438\u043a. <\/p>\n<p>\u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0431\u044b\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u044b 4 \u043c\u0435\u0442\u043e\u0434\u0430: DBSCAN, \u0430\u0433\u043b\u043e\u043c\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u0430\u044f, kMeans \u0438 MiniBatchKMeans. \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0438 \u043c\u044b \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0438\u0441\u044c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0440\u0430\u0431\u043e\u0442\u044b \u0430\u0433\u043b\u043e\u043c\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438, \u0442.\u043a., \u043f\u043e \u043d\u0430\u0448\u0435\u043c\u0443 \u043c\u043d\u0435\u043d\u0438\u044e, \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u043e\u0442 \u043c\u0435\u0442\u043e\u0434 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0430\u0434\u0435\u043a\u0432\u0430\u0442\u043d\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u043b \u043d\u0430\u0448 \u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 \u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043f\u043e\u0434\u0433\u0440\u0443\u043f\u043f\u044b:<\/p>\n<pre><code class=\"python\">from sklearn.cluster import AgglomerativeClustering num_clusters = 5 agglo1 = AgglomerativeClustering(n_clusters=num_clusters, affinity='euclidean') #cosine, l1, l2, manhattan get_ipython().magic('time answer = agglo1.fit_predict(sent_embs)')<\/code><\/pre>\n<p>\u0421 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u044b\u0448\u0435\u043e\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u0431\u044b\u043b\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b 5 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432, \u043e\u0434\u043d\u0430\u043a\u043e \u043d\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u0442\u043e\u044f\u043b\u043e \u0435\u0449\u0435 \u0432\u044b\u044f\u0441\u043d\u0438\u0442\u044c, \u0437\u0430 \u043a\u0430\u043a\u0443\u044e \u0442\u0435\u043c\u0443 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043a\u0430\u0436\u0434\u0430\u044f \u0438\u0437 \u0433\u0440\u0443\u043f\u043f. \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0431\u044b\u043b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u2013 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430 \u0431\u044b\u043b\u0438 \u043f\u043e\u0434\u0441\u0447\u0438\u0442\u0430\u043d\u044b \u0432\u0441\u0435 \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0435 \u0441\u043b\u043e\u0432\u0430 \u0438 \u0422\u041e\u041f10 \u0438\u0437 \u043d\u0438\u0445 \u0431\u044b\u043b\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u044b \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0441\u0443\u0442\u0438: <\/p>\n<pre><code>cl = {} for cluster, data in tqdm(report.groupby('AGGLOM'), desc=method):     arr = ' '.join(data['\u041d\u0424'].values).split()     arr_morph = []     for k in arr:         arr_morph.append(morph.parse(k)[0].normal_form)      cl[method+'_'+str(cluster)] = Counter([x.replace('\u0451', '\u0435') for x in arr_morph if x not in stopwords]).most_common(10) <\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0434\u043e\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0439 \u0441\u043f\u0438\u0441\u043a\u0430 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438\u0441\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b:<\/p>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p><strong><br \/>   <\/strong><\/p>\n<\/td>\n<td>\n<p><strong>\u0422\u041e\u041f10 \u0441\u043b\u043e\u0432<\/strong><\/p>\n<\/td>\n<td>\n<p><strong>\u0422\u0415\u041c\u0410<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_0<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0441\u043f\u0440\u0430\u0432\u043a\u0430&#8217;, 1548), (&#8216;\u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 786), (&#8216;\u0444\u043d\u0441&#8217;,   565), (&#8216;\u0432\u0437\u043d\u043e\u0441&#8217;, 552), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 494), (&#8216;\u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u0438\u0442\u044c&#8217;, 427), (&#8216;\u0443\u043f\u043b\u0430\u0442\u0438\u0442\u044c&#8217;,   371), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 73), (&#8216;\u0432\u043c\u0441\u0440&#8217;, 45), (&#8216;\u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0439&#8217;, 40)]<\/p>\n<\/td>\n<td>\n<p>\u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u043f\u0440\u0430\u0432\u043e\u043a<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_1<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 2984), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 2627),   (&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 2205), (&#8216;\u0432\u044b\u043f\u043b\u0430\u0442\u0430&#8217;, 2144), (&#8216;\u043f\u043b\u0430\u0442\u0435\u0436&#8217;, 1932), (&#8216;\u043b\u043a&#8217;, 1931),   (&#8216;\u0441\u043f\u0440\u0430\u0432\u043a\u0430&#8217;, 1688), (&#8216;\u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u0442\u044c\u0441\u044f&#8217;, 1653), (&#8216;\u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c&#8217;, 1571), (&#8216;\u043b\u0438\u0447\u043d\u044b\u0439&#8217;,   1460)]<\/p>\n<\/td>\n<td>\n<p>\u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u0441 \u043d\u0430\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u044b\u0445 \u0441\u043b\u0443\u0447\u0430\u0435\u0432,   \u0438\u0445 \u043e\u043f\u043b\u0430\u0442\u044b, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435\u043c \u043f\u043b\u0430\u0442\u0435\u0436\u0435\u0439 \u0432 \u043b\u0438\u0447\u043d\u043e\u043c \u043a\u0430\u0431\u0438\u043d\u0435\u0442\u0435<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_2<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 3807), (&#8216;\u043e\u0444\u043e\u0440\u043c\u0438\u0442\u044c&#8217;, 540), (&#8216;\u043e\u043f\u043b\u0430\u0442\u0430&#8217;,   443), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 370), (&#8216;\u043f\u043b\u0430\u0442\u0435\u0436&#8217;, 351), (&#8216;\u043e\u043f\u043b\u0430\u0442\u0438\u0442\u044c&#8217;, 312), (&#8216;\u0437\u0430\u0435\u043c\u0449\u0438\u043a&#8217;,   290), (&#8216;\u0432\u043b\u043e\u0436\u0435\u043d\u0438\u0435&#8217;, 275), (&#8216;\u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f&#8217;, 272), (&#8216;\u0434\u0435\u043b\u043e&#8217;, 264)]<\/p>\n<\/td>\n<td>\n<p>\u0437\u0430\u043f\u0440\u043e\u0441\u044b \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043e \u043e\u0444\u043e\u0440\u043c\u043b\u0435\u043d\u0438\u0438 \u0438 \u043e\u043f\u043b\u0430\u0442\u0435 \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u044b\u0445   \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_3<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u043b\u043f\u0443&#8217;, 1100), (&#8216;\u0437\u0430\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u0442\u044c&#8217;, 683), (&#8216;\u0432\u044b\u043f\u0438\u0441\u043a\u0430&#8217;,   660), (&#8216;\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435&#8217;, 440), (&#8216;\u0443\u0447\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u0435&#8217;, 428), (&#8216;\u0431\u043e\u043b\u044c\u043d\u0438\u0446\u0430&#8217;, 329), (&#8216;\u0434\u0438\u0430\u0433\u043d\u043e\u0437&#8217;,   315), (&#8216;\u043c\u0435\u0434&#8217;, 303), (&#8216;\u0432\u0440\u0430\u0447&#8217;, 292), (&#8216;\u043c\u0435\u0434\u0438\u0446\u0438\u043d\u0441\u043a\u0438\u0439&#8217;, 287)]<\/p>\n<\/td>\n<td>\n<p>\u0432\u043e\u043f\u0440\u043e\u0441\u044b \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u0441 \u0432\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435\u043c \u0441 \u041b\u041f\u0423, \u043c\u0435\u0434.   \u0443\u0447\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f\u043c\u0438 \u0438 \u0432\u0440\u0430\u0447\u0435\u0431\u043d\u044b\u043c \u043f\u0435\u0440\u0441\u043e\u043d\u0430\u043b\u043e\u043c<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p><strong>AGGLOM_4<\/strong><\/p>\n<\/td>\n<td>\n<p>[(&#8216;\u0440\u0430\u0441\u0442\u043e\u0440\u0436\u0435\u043d\u0438\u0435&#8217;, 459), (&#8216;\u0432\u043e\u0437\u0432\u0440\u0430\u0442&#8217;, 459), (&#8216;\u043e\u0438\u0441&#8217;,   386), (&#8216;\u043d\u0430\u0439\u0442\u0438&#8217;, 383), (&#8216;\u0434\u0441&#8217;, 266), (&#8216;\u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u0442\u044c\u0441\u044f&#8217;, 196), (&#8216;\u043f\u043e\u043b\u0438\u0441&#8217;, 184),   (&#8216;\u0434\u0441\u0436&#8217;, 142), (&#8216;\u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435&#8217;, 5), (&#8216;\u0437\u0430\u0449\u0438\u0442\u0430&#8217;, 5)]<\/p>\n<\/td>\n<td>\n<p>\u0420\u0430\u0441\u0442\u043e\u0440\u0436\u0435\u043d\u0438\u0435 \u0434\u043e\u0433\u043e\u0432\u043e\u0440\u0430 \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0442 \u0434\u0435\u043d\u0435\u0436\u043d\u044b\u0445 \u0441\u0440\u0435\u0434\u0441\u0442\u0432<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>\u041d\u0443\u043b\u0435\u0432\u043e\u0439 \u0438 \u0432\u0442\u043e\u0440\u043e\u0439 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043d\u0435 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u043b\u0438 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0441 \u043d\u0435\u0434\u043e\u0432\u043e\u043b\u044c\u0441\u0442\u0432\u043e\u043c \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432, \u0447\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u043e \u0443\u0434\u0435\u043b\u0438\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438\u043c\u0435\u043d\u043d\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u0430\u043c \u0438\u0437 \u043e\u0441\u0442\u0430\u0432\u0448\u0438\u0445\u0441\u044f \u0442\u0440\u0435\u0445 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u043d\u044b\u0445 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432.<\/p>\n<p>&nbsp;\u0414\u0430\u043d\u043d\u044b\u0439 \u043c\u0435\u0442\u043e\u0434 \u043f\u043e\u043c\u043e\u0433 \u043d\u0430\u043c \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u0442\u044c \u0432\u0440\u0435\u043c\u044f \u0438 \u0442\u0440\u0443\u0434\u043e\u0437\u0430\u0442\u0440\u0430\u0442\u044b, \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u044f\u0434 \u0440\u0443\u0442\u0438\u043d\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447, \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u0434\u043b\u044f \u0440\u0443\u0447\u043d\u043e\u0433\u043e \u0430\u043d\u0430\u043b\u0438\u0437\u0430. <\/p>\n<p>\u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043d\u0430\u043c \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0411\u0414, \u0432\u044b\u044f\u0432\u0438\u0442\u044c \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f \u0438 \u043d\u0430\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u0438 \u043f\u043e \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044e \u0434\u0435\u0439\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0432.<\/p>\n<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/545490\/\"> https:\/\/habr.com\/ru\/post\/545490\/<\/a><br \/><\/br><\/br><\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-319046","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/319046","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=319046"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/319046\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=319046"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=319046"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=319046"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}