Práctico de Feature selection para el curso Text Mining
Encontrar espacios de menor dimensionalidad que mejoren una tarea de PLN, y después aplicar esos espacios una tarea de clustering.
Se utilizaron dos corpus:
- El Wikicorpus del español taggeado con POS (Part of Spech) y con los sentidos de Wordnet (para feature selection supervisado)
- El corpus resources/LaVanguardia.txt.gz, una recopilación de noticias del diario La Vanguardia (para feature selection no supervisado)
Se utilizaron las siguientes herramientas:
Se utilizó una porción del corpus Wikicorpus, el cuál ya viene separado por tokens y lematizados.
- Se construyó la matriz de co-ocurrencia entre palabras en un contexto dado.
- Se redujo la dimensionalidad de la matriz utilizando en las columnas sólo aquellas palabras que superaban un umbral de frecuencia dado.
- Se obtuvieron los vectores a partir de las filas de la matriz resultante.
Para construir la matriz de co-ocurrencias se tuvieron en cuenta los siguientes parámetros:
- Frecuencia mínima = 10 (sólo se consideraron las columnas correspondientes a palabras que ocurrieran al menos 10 veces)
- Tamaño de ventana = 2 (cantidad de palabras anteriores y siguientes a considerar para formar un contexto. Por ejemplo, en el caso de word0 word1 word2 WORD3 word4 word5 word6, un contexto de WORD3 estaría formado por [word1, word2, word4, word5]).
La técnica de feature selection que se utilizó fue Wrapper sobre un classificador utilizando ExtraTreeClassifier.
Se utilizó dos veces, una vez usando los tags POS como clase y la otra usando los sentidos de wordnet cómo clases. Luego se realizó la tarea de clustering sobre el espacio reducido utilizando el algoritmo K-means y generando 40 clusters.
Wrapper sobre un clasificador con POS como clase
Este caso se puede ejecutar con el siguiente comando: python -i supervised-feature-selection-wikicorpus.py pos (asegurar de que se descargó el archivo tagged.es.tgz desde Wikicorpus y se descomprimió en la carpeta resources/)
La matriz original tenía tamaño (106402,17625). Luego de aplicar la técnica de feature selection quedó reducida un tamaño de (106402, 4595).
En el siguiente listado podemos ver algunas palabras de algunos de los clusters más interesantes:
Cluster 6
Words: bizantinos, destruida, conquistada, roma, funda, monasterio, fundó, gobernada, fez, fundada, capturan, asedio, constantinopla, grande, gobernante, córdoba, murcia, abbas, gerona, saqueada, amalfi, conquista, arrasada, incendio, saquea, temporalmente, condado, zaragoza, fundación, destruye, fortaleza, apoderan, zar, cerca, reconquista, histórico, somalia, fundando, reims, antigua, sede, sagrada, saldaña, santa, arrasó, lund, arrasa, praga, nació, kazán, fundaron, afueras, sicilia, tiro, castillo, jerusalén, hangzhou, destruyendo,
Cluster 9
Words: emperatriz, madre, princesa, hija, esposa, infanta, doña, berenguela, petronila, profetisa, numerales, hermana, sonur, dóttir, matrimonio, crecida, jin, maría, sublevaron, sobrina, casó, julia, heredera, constanza, ana, afecto, llamarán, margaret, isabel, julie, josefina, urraca, rescatar, panista, chófer, activista, antígona, perecieron, facilitara, teodora, catalina, deméter, delfín, esposo,
Cluster 13
Words: delhi, wohne, ísh, vóne, live, women, anno, quarto, vox, excelso, charles, dutch, zit, jan, nieuwe, winkel, gezien, erlossen, vrede, siele, verlossen, zal, ziel, mijn, shell, military, key, scholars, lumière, berlin, tribüne, ripubblicata, kairuan, oder, eine, vom, dieser, teoria, künstlers, wedderkop, anche, biographische, secondo, kritik, naturstudiums, katalog, zum, festschrift,
Cluster 17
Words: abe, high, king, sex, mars, isbn, an, and, source, ann, war, the, school, looney, wonders, commonwealth, edmund, diet, was, mine, ethnologue, camerunes, affair, npn, how, bugsy, by, music, master, hall, centers, code, art, thinking, between, end, theory, memory, cities, american, life, common, fields, link, system, encyclopaedia, mathematics, darkness, hearts, time, recording, comparative, analysis,
Cluster 18
Words: sucede, papa, vitaliano, dono, agatón, conón, consagra, sisinio, eugenio, valentín, succesión, gwriad, formoso, landon, canoniza, aelfheah, sonrisa, canonizó, canonizado, bula, abnegación, perinde, canonización, tetrarquía, liberio, vigiliosucede, vigilio, sabiniano, severino, sisino, ptm, suced, lupino, cedidas, wojty, excomulgar, luterana, fallecer, entronización, trivializar, papamóvil, personalismo,
Cluster 19
Words: grasas, orgánicas, disueltas, provocan, eliminar, reaccionan, trehalosa, abuso, químicas, mescalina, etiología, adicción, tóxicas, favorecido, fluorescencia, reaccionaba, irritantes, ingeridas, histamina, secretoras, engrosada, nocivas, inorgánicas, neón, preferencial, psicodélicas, amenacen, excretadas, ósmosis, estupefacientes, adictivas, excretables, reguladoras, corrosivas, radioactivas, depositan,
Cluster 21
Words: matemático, astrónomo, filósofo, búlgaro, procede, antiguo, historiador, hebreo, moderno, significa, pronuncia, letra, latín, alfabeto, ví, griego, clásico, geógrafo, oráculo, albanés, galego, ellinika, hipo, polibio, transliterado, biógrafo, rojiza, reportada, armenoi, heródoto, jenofonte, acadio, helenístico, cuño, obsoleta, piezoelectricidad, ppecho, estrujar, isógona, isos, gaya, ga, metis,
Cluster 24
Words: chiíes, asesinado, deja, expulsados, tratados, podría, derrotada, esclavo, destituido, atacadas, martirio, degollado, decapitado, expulsado, derrotado, considerado, condesa, llega, convertidas, normal, empiece, va, llegaron, llegan, ejecutado, sajón, apresado, destruido, dama, reconocido, dirigente, aceptada, derrocado, ciudadano, calificado, grabada,
Cluster 28
Words: griega, control, escritura, volga, político, informático, bugzilla, notificación, basado, legal, financiero, cvs, posicional, ficheros, fonológico, vocálico, operativo, paquetes, ebuilds, desarrollado, windows, implementa, archivos, microsoft, funcionamiento, implementación, compatible, integrado, kernel, subsistema, macintosh, virtual, extendido, fluvial, coordenadas, conectados, óbidos,
Cluster 29
Words: localidad, valladolid, españa, capital, munster, palermo, cádiz, sevilla, león, zamora, española, badajoz, burgos, almería, ripoll, palencia, comarca, cáceres, toledo, bari, teruel, provincia, irlandesa, segovia, friulano, ontario, federado, zelanda, cuenca, comunidad,
Cluster 34
Words: chií, ávaros, piratas, apodera, arrasadas, saqueos, intestinas, pactó, aéreos, continuos, terroristas, derruida, desconociendo, decayó, chechenos, hijackes, siempren, sabotaje, respaldar, autoinmunes, esporádicos, motivan, arboladas, ocurran, exógenos, angina, resistió, beneficiando, magrebíes, ortodoxia, resistieron, hipotéticos, cardíacos, neodarwinista, preservaba, piráticos, corsarios, sufridos, despoblado, kenpo, delirios, claustrofóbica, péctoris, caribes, bloqueos, paroxísticos, febriles, frenaron, repetirían, devastaciones, desorganizados, peyorativamente, alicantina, nucleados, carod, injustos, braquiosaurio, animaban, alakazam, exeggutor,
Cluster 37
Words: islam, cristianismo, católica, bangladesh, cristiana, aztecas, romanche, filosofía, edictos, compartidas, mayoritaria, misticismo, islamismo, predominante, politeísta, protestante, hinduismo, budismo, sunita, judía, azteca, emiratos, espiritualidad, islámica, catolicismo, bután, jurisprudencia, sanciona, divinas, profesó, hebraica, legitimado, pagana, precristiana, orain, profesan, mexica, budista, zoroastrismo, laicidad, mónaco, monegascos, monoteísta, credos, malayos, adivinos, feuerbach, evadía, birmania, luterano, turda, unitarianismo, instaurar, conformista, ofensas, justifique, mundhum, anglicanismo, dionisíaca, taoísta, ateos, ismael, tolerado, mitológicamente, teotihuacana, vedantista, dharma, vaidika, profesadas, conviertan, tonta, avesta, pendare, profesar, palauana,
Cluster 39
Words: brasil, chile, perú, manaos, colombia, jíbaros, christchurch, reunion, paraguay, aguirre, suárez, corumba, asunción, uruguay, brasilia, panamá, carioca, copacabana, inauguran, bogotá, venezuela, silva, clausuran, saskatoon, tam, bundesliga, copresidida, subsecretario, incae, prefeito, françois, favelas, atraso, canberra, gritó, peugeot, balão, araxá, inclinó, glorias, majestuoso, avianca, undécima, concieto, jacta, florianópolis, varig, recife, pertenencen, crioulo, crioulos, mato, epecies, legalización, pantanal, deudores, comerciando, afrobrasileña, akan, igbo, bordearon, guyana, zimbawe, biologizada,
En el archivo results/supervisedfsusingpos-clustering.txt se puede ver el output completo de la ejecución.
Wrapper sobre un clasificador con los sentidos de WordNet como clase
Este caso se puede ejecutar con el siguiente comando: python -i supervised-feature-selection-wikicorpus.py wordnet-senses (asegurar de que se descargó el archivo tagged.es.tgz desde Wikicorpus y se descomprimió en la carpeta resources/)
La matriz original tenía tamaño (37834, 4569). Luego de aplicar la técnica de feature selection quedó reducida un tamaño de (37834, 1439).
Notar que en este caso se consideraron solo 37834 palabras por razones de memoria.
En el siguiente listado podemos ver algunas palabras de algunos de los clusters más interesantes:
Cluster 1
Words: señor, vizconde, bearn, vizcaya, mercaderes, montmartre, vincula, nacería, celuloide, radicados, residiendo, fahrenheit, imposibles, bonsáis, chapuza, derechas, hankey, inducido, hat, títere, sígueme, baxajaun, ubú, moscas, lachambre,
Cluster 6
Words: capturan, king, st, world, war, the, school, hero, querido, mafioso, wonders, edmund, langley, taza, camerunes, affair, npn, by, art, end, american, way, life, link, condecorado, system, encyclopaedia, mathematics, viral, tinieblas, heart, darkness, hearts, time, or, recording, comparative, analysis, deal, get, kitchen, shaping, encargo, america, alcira, columbus, gold, amgot, soldier,
Cluster 7
Words: sacro, literatura, llamo, galerías, museo, galería, estudió, abstractas, recuerdan, estatuario, exhiben, primitivo, encargando, franz, compartían, degenerado, dell, contemporanea, mondi, possibili, dramático, empezase, importación, rupestre, inspiradas, resalta, mecenas, educacional, colegiata, lrra, albers, essen, levantino, genuino, almanseño, empezo, denonidado, benidictino, valdehuesa, castellanoleonés, contemplan, epipaleolíticas, esquemático,
Cluster 12
Words: última, escalada, destruida, roma, funda, capitular, fundada, capital, gobernante, murcia, conquistar, palermo, amalfi, conquista, sevilla, atacan, fundación, destruye, encomienda, cerca, vikinga, york, reconquista, badajoz, une, burgos, ataca, título, reims, antigua, sede, sagrada, almería, inglesa, arrasó, lund, nació, demografía, kazán, cristiana, allí, fundaron, afueras, llegan,
Cluster 27
Words: muere, intenta, niños, accidente, temporada, morir, cae, brazos, piano, cruzado, golpea, cuerno, pez, aprovecha, llena, cenizas, robo, explota, intestinos, pisoteado, convenció, mata, secuestrado, heredar, muñeca, oso, pega, curiosamente, atrapado, secuestra, juguete, cartman, kyle, apropia, token, kenny, butters, unieran, dolares, salgan, hemorroides, come, defeca, excremento,
Cluster 30
Words: visigodo, españa, deponer, abd, bizantinos, resultando, arzobispo, italia, bizantinas, abren, muhammad, bera, caudillo, francia, zaragoza, entronizado, simancas, proclama, cardeña, monjes, martirizados, códice, independencia, cataluña, arrasa, pobladas, libra, resto, portugal, celebrada, toros, taurina, ejercicio, comarca, montblanc, toledo, afincado, estamento, valencia,
Cluster 35
Words: español, jurista, poeta, chino, obispo, teólogo, médico, filósofo, poetisa, compositora, m, tang, belasco, escritor, religioso, origen, italiana, años, francés, zar, española, alemán, político, japonés, explorador, germánico, ruso, compositor, escritora, danesa, historiador, músico, italiano, irlandés, francesa, serbio, winchester, lobo, informático, argentino, argentina,
Cluster 37
Words: islámico, alí, musulmán, europa, árabe, descubren, grande, enorme, occidental, introduce, erupción, volcánica, otorgado, permitida, sorprende, inteligible, dispersión, moderno, inflexión, cambiado, agudo, perfecto, material, sitios, trabajadores, entero, vendedores, ambientadas, acogida, interpretaciones, mamá, divertido, amazonia, diversidad, comercios, acuarios, selváticas,
En el archivo results/supervisedfsusingwordnet-clustering.txt se puede ver el output completo de la ejecución.
Se utilizó el corpus resources/LaVanguardia.txt.gz, una recopilación de noticias del diario La Vanguardia.
Para normalizar las palabras se dividió el texto en sentencias y para cada sentencia, se creó una lista de tokens utilizando nltk. Luego, para cada lista de tokens
- todos los tokens fueron expresados en lowercase,
- se eliminaron los tokens que tenian caracteres no alfabéticos,
- se eliminaron las stopwords del lenguaje español (palabras muy frecuentes en el lenguaje que aportan poco valor) definidas en nltk,
- y finalmente se utilizó un proceso de lematización de cada palabra (determinar el lemma de una palabra dada).
Para vectorizar las palabras se utilizaron word embeddings. Los vectores de palabras se generaron a partir de una implementación de word2vec, que aprende vectores para representar las palabras utilizando redes neuronales.
Se utilizaron dos ténicas de feature selection no supervisado:
PCA (Principal Component Analysis) que permite reducción de dimensionalidad utilizando Singular Value Decomposition. Parámetros:
- n_components: 1000 (número de dimensiones del vector)
En este caso solamente fueron consideradas 30000 setencias por razones de memoria.
Word embeddings con el modelo Word2Vec de gensim con los siguientes parámetros:
- size: 100 (número de dimensiones del vector)
- window: 5 (distancia máxima entre la palabra a vectorizar y las palabras a su alrededor)
- min_count: 5 (las palabras con menos ocurrencias de este valor son ignoradas)
Se utilizó el algoritmo K-means para generar 40 clusters. Para usar PCA se puede ejecutar el siguiente comando: python -i unsupervised-feature-selection.py pca (asegurar de que el archivo resources/LaVanguardia.txt.gz fue descomprimido y que aparece el corpus LaVanguardia.txt)
Mientras que para el caso de word embeddings se puede ejecutar con el siguiente comando: python -i unsupervised-feature-selection.py embeddings (asegurar de que el archivo resources/LaVanguardia.txt.gz fue descomprimido y que aparece el corpus LaVanguardia.txt)
En el siguiente listado podemos ver algunas palabras de algunos de los clusters más interesantes generados utilizando PCA:
Cluster 4
Words: barcelona, peajes, autopistas, generalitat, ayer, dar, marcha, entrar, vigor, conocer, gobierno, consejo, real, precios, nuevo, actuar, misma, manera, empresas, derecho, incrementar, hacia, me, abril, embargo, sustitución, actual, ministro, portavoz, sistema, sólo, cuenta, evolución, alza, posible, interés, caída, tarea, medida, central, puesto, materia, haber, dado, luz, hecho, semana, nuevas, cierto, numerosas, diversos, única,
Cluster 6
Words: congelados, atrás, después, empezaron, hace, respectivamente, diez, cuarenta, cinco, cuadro, lleva, casi, filosofía, dentro, posadas, profesora, arturo, hombre, mireia, existencia, cumplidos, interesó, conquistar, bárbara, margot, dura, pocos, etapa, do, cliente, tardado, vecino, jóvenes, últimos, tres, tarjeta, seis, cuatro, niñez, primeros, matrimonio, pausa, dinosaurio, vivido, varios, posguerra, abuela, niño, revela,
Cluster 18
Words: josep, bori, fontestà, neus, comerç, puig, pijuan, castellbisbal, alonso, arquitectes, associats, tractament, revalorització, residus, castellvell, soler, cirera, pares, nin, departament, mole, vilanova, geltrú, vendrell, dels, mostra, rubió, ponedors, campanes, àngel, psicopatològica, psicosocial, immigrant, refugiats, de, centre, per, montcada, ricard, el, colector, turisme, tomàs, parcs, jardins, dispuso, convergència, racisme, baeza, mare, unió, joaquim, kari, balbastre, antic, escultures, japó, família, sonor, gurb, osona, riera, soriano, cap,
Cluster 32
Words: llobregat, plaza, hospital, viladecans, gavà, begues, climent, asegurada, cotxeres, roig, andreu, distrito, joan, bosco, vallès, creu, jaume, rubí, originado, votó, pau, antoni, sebastià, crist, salomó, iglesia, martí, quintí, mediona, vilafranca, reus, campanario, jordi, barca, pere, feliu, esplugues, besòs, boi, despí, honorat, comunicaría, saló, comunicaron, gervasi, barraquer, inmediaciones, celoni, televisivos, mudaron, cugat,
Cluster 34
Words: anual, alrededor, mejora, mil, usuario, frente, vale, cifra, pdi, invierta, millones, peseta, presupuesto, hesperia, invertirá, pagar, pensión, millón, piden, valor, ciernes, roba, bajaron, facturas, impagadas, gastos, deuda, gasto, pagado, cuota, total, gastar, gastará, destinan, aportación, acreditativo, llamadas, pagan, anualmente, compensación, precio, tasado, judicialmente, aporta, máximo, cuesta, ración, multas, cobrar,
En el archivo results/unsupervisedfs-pca.txt se puede ver output completo de la ejecución.
En el siguiente listado podemos ver algunas palabras de algunos de los clusters más interesantes generados utilizando word embeddings:
Cluster 4
Words: anual, precios, cantidad, equivalente, aplica, automática, sube, indica, pagarán, litros, venta, cubrir, agua, suelo, previsión, pasaje, techo, pérdidas, ciento, mil, abonados, distancia, vender, creciendo, bajada, barato, menor, pescado, aumento, mortalidad, registra, niveles, elevados, datos, promedio, cifra, superior, alcanza, tarjeta, bajará, kilo, habitante, envases,
Cluster 10
Words: ministro, portavoz, piqué, adelantó, aseguró, críticas, nadal, diputado, expresó, recordó, añadió, aprovechó, preguntó, dijo, opinó, respondió, definió, hizo, públicamente, carta, éste, presidente, británico, gabinete, clos, tony, blair, sostiene, reconocido, prensa, miembro, mostró, sorprendido, equipo, popular, votó, socialista, técnico, afirmó, presentara, dimisión, presidido, filas, ex, ruso, contradice, asegura, paeria, sàez, pidió, contestó, socio, alemán, rueda, oficialmente, opina, habló, presidenta, señaló, replicó, vasco, secretario, joseba, ofreció, apuntó, discurso, artículo, defensa, gonzález, vicepresidente
Cluster 15
Words: barcelona, calles, paseo, gràcia, baix, llobregat, plaza, cerdà, metro, centro, cuadrado, calle, hospital, adyacente, respectivamente, aeropuerto, sant, garraf, ferial, restaurante, sala, vino, barrio, sants, peatonal, obras, trinitat, patio, junto, renfe, monasterio, carril, subterráneo, ciudad, distrito, túnel, via, augusta, ronda, dalt, sarrià, edificio, bellvitge, hotel, fachada, cuadrados, parque, art, contará, ubicará, construirá, congresos, situada, autovía, avenida, carretera, ferrocarril,
Cluster 18
Words: dar, entrar, actuar, paralizar, haber, ser, permitir, resguardarse, verse, cerrar, poner, decir, considerar, ocasionar, utilizar, ir, llegar, fácilmente, negar, pasar, ponerse, sacar, aceptar, curarse, incluir, hacerlo, cliente, ofrecer, descubrir, abrir, hacer, hallar, acceder, continuar, tener, construirse, convertir, manifestarse, pedir, acudir, dialogar, descartar, darse, carecer, soportar, sobresalir, suceder, decidir, regresar, votar, recurrir, exhibir, cinturones, considerarse, encontrar, acabar,
Cluster 19
Words: peajes, congelan, titularidad, revisión, tarifas, empresas, incrementar, sistema, reducción, usuarios, mantenimiento, financiero, prevé, área, metropolitana, mercado, amplia, cuya, interior, mejora, línea, diseño, calidad, uso, producto, usuario, compra, servicio, mejorar, trabajo, mediante, complejo, proyectos, televisión, ifema, información, afecta, cultural, cataluña, realización, potenciar, motor, compañía, espacio, ofrece, gas, movilidad, además, realizado, construcción, creación, histórico,
Cluster 24
Words: hacia, gran, mundo, atracción, frente, española, europa, isla, sur, categoría, norte, bloque, pryca, presencia, guerra, rico, posguerra, españa, frontera, francia, daurada, repúblicas, soviéticas, press, embajada, rusa, rusia, internacional, gigante, creó, pueblo, tradicional, atraviesa, siglo, xxi, americano, país, aragón, cantabria, vive, alemania, origen, extranjero, época, ejército, chino, español, fútbol, japón, oriental, occidental, grecia, andorra, mediterráneo, naciones, islámico, arabia, nacionalidad, alemana, oriente, islámica, marroquí, xx, banco, hispano, colonial, denominación, c, exterminio, unido, países, argelia, france,
Cluster 25
Words: generalitat, marcha, vigor, gobierno, consejo, ministros, aprobó, decreto, apruebe, nuevo, procedimiento, anunciada, administración, marco, ley, psc, reclamó, consenso, pendiente, caso, general, reforma, parte, mantiene, anuncio, nota, pleno, reunión, fira, institución, dirigentes, debate, voto, informe, respecto, finalmente, mesa, retirar, ciu, pp, erc, plan, proyecto, decisión, oposición, medidas, adoptada, programa, orden, municipal, aprobará, modificación, operación, miembros, ayuntamiento,
Cluster 30
Words: causó, allí, preguntaron, aparece, confesó, recién, cumplidos, dama, arma, mujer, pasión, sentimental, soledad, blanco, raquel, película, bella, quemar, muerte, cabeza, vecino, pequeño, sustituido, cartas, memorias, matrimonio, relato, dejó, abuela, niño, madre, padre, infierno, griterío, emperador, presentaba, hijo, pistola, suceso, llama, pequeña, abandonado, joven, despacho, llorando, resultó, busto, leyenda, llamaba, recuerdo, taxista, aquel, casa, jubilado, falleció, atropellado, atropello, mortal, víctima, encontraba, trabajado, corazón, aleta, niña, hacía, cogió, foto, compañero, acababa, pasó, blanca, lázaro, disco,
Cluster 32
Words: interpretan, criticaban, coincidían, usarlo, agresivas, trazados, integrantes, marcados, desórdenes, comporten, votaron, liberales, gobernantes, gobiernan, reproches, enfermería, deterioradas, granjeros, mimar, explicaban, vecinales, críticos, destacaron, planteaban, pensantes, fotoperiodistas, pacifismo, pacifistas, intervienen, oprimidos, contado, surgieron, feroz, mantendrán, avisos, internacionalmente, salvan, disciplinarios, subcomisión, informales, escépticos, supuestas, facetas, traductores, enmarcan, visuales, retiren, parlamentos, huelgas, inhumanos, contundentes, activamente, sabios, magisterio, brigadas, instruyendo, firmantes, atrevidas, étnicos, insaciables, funcionaron, encargados, desinteresadamente, adhesiones, deducido, radicales, consignas, trataron, diabéticos, pediatras, andaluzas, turoperadores, chantajes, prometieron, estudian, opositores,
Cluster 33
Words: manuel, carmen, prestigioso, escritora, arturo, calvo, escribió, carlos, cristina, otero, bellas, coronel, nicolás, josé, ignacio, director, richard, alonso, balaguer, nombre, autor, rodríguez, garcía, luis, marqués, dolores, figura, alfonso, rey, juan, casado, vázquez, montalbán, escritor, antonia, mercedes, salisachs, juncadella, lópez, robert, àlex, federico, eduardo, sindicalista, pilar, edil, miguel, antoñanzas, serrano, dirigida, escrito, presidió, ramírez, iglesia, joaquín, patiño, comenta,
Cluster 37
Words: ayer, hoy, real, anterior, abril, central, semana, dio, abre, madrid, primera, mañana, llegó, convirtió, puertas, viernes, mediodía, presentación, ciclo, día, mantuvo, abrió, turno, llamada, tarde, vanguardia, estadio, etapa, primero, anteayer, capítulo, abrirá, último, especial, bianual, comenzará, próximo, otoño, próxima, segundo, celebradas, parís, primer, segunda, quinto, puerta, sexto, pasado, noche, miércoles, finalizar, celebra, lunes, exposición, tercero, anoche, jueves, manifestación, acto, noviembre, celebrará, mayo, edición, comienza, enviado, tercer, presenta, lugar, música, ópera, libro, última, teatro, escenario, parada, cuyo, batalla, moscú, asistieron, feria, disputa, comenzó, junio, coincidiendo, italiana, versión, scooter, febrero, certamen, ocasión, danza, puesta, escena, fiesta, domingo, francesa, diciembre, cuarta, sábado, concluirá, celebró, motivo, aniversario, jornada, celebrada, enero, tercera, perdió, llevó, celebraciones, campeonato, deportivo, encuentro, convocado, cita, novedad, celebrado, reunió, martes, cierra, título, clausura, organizado, oro, posteriormente, corte, celebración, puso, pasada, vuelta, culminará, carrera, marzo, gira, inaugura, h, vii, sesión, inauguración, piloto, ceremonia, oficial, honda, londres, consiguió, visita, convocada, ocupa, vi, cumple, conferencia, amsterdam, miss, cerrada, marcó, liceu, término, inició, inauguró, xvi, cena,
En el archivo results/unsupervisedfs-wordembeddings.txt se puede ver output completo de la ejecución.