如何在R语言中绘制词聚类图？附相关数据示例

核心思路 #

要实现相关性高的词聚集的聚类效果，我们可以基于词的相关性矩阵，将1 - 相关性作为距离度量（相关性越高，距离越小），再通过层次聚类算法对词进行分组，最后可视化聚类结果。

基础实现（仅树状图） #

以下是用R基础包完成的代码：

# 加载数据
dat <- data.frame(word1=c(0.02, -0.1, 0.5, 0.06, -0.03, 0.8),
                  word2=c(0.7, 0.01, 0.05, -0.23, -0.06, 0.13),
                  word3=c(-0.52, 0.12, 0.46, 0.08, -0.01, -0.17),
                  word4=c(0.69, 0.34, -0.11, -0.58, -0.26, 0.35),
                  word5=c(0.04, 0.08, 0.21, -0.15, -0.04, -0.32),
                  word6=c(0.39, 0.15, -0.21, 0.59, 0.28, 0.19))

# 计算相关性矩阵
cor_matrix <- cor(dat)

# 将相关性转换为距离（1 - 相关性，确保高相关的词距离近）
dist_matrix <- as.dist(1 - cor_matrix)

# 层次聚类，这里用ward.D2方法（最小化组内方差）
hc <- hclust(dist_matrix, method = "ward.D2")

# 绘制聚类树状图
plot(hc, 
     main = "词相关性聚类树状图",
     xlab = "词",
     ylab = "聚类距离（1-相关性）",
     cex = 0.8) # 调整标签大小

进阶可视化（热图+聚类树） #

如果需要同时展示相关性热图和聚类结果，使用pheatmap包更直观：

# 先安装并加载pheatmap包（首次使用需安装）
# install.packages("pheatmap")
library(pheatmap)

# 绘制热图，同时展示行（词）的聚类树
pheatmap(cor_matrix,
         clustering_distance_rows = as.dist(1 - cor_matrix),
         clustering_method = "ward.D2",
         main = "词相关性热图与聚类",
         treeheight_row = 50, # 调整行聚类树高度
         cellwidth = 30, cellheight = 30) # 调整单元格大小

说明 #

• 聚类方法可以根据需求调整：比如complete（最长距离法）、average（平均距离法）等，ward.D2通常能得到更紧凑的聚类组。
• 树状图中，分支越短的词，相关性越高；分支合并越早的组，整体相关性越高。

内容的提问来源于stack exchange，提问作者user21390049