不使用heapq实现完全链接法层次聚类的代码问题排查求助

各位大佬好！我现在在做层次聚类，打算用完全链接法（complete-link），而且不想借助heapq库，自己用优先队列来实现，但跑出来的结果和预期差得特别远，实在找不到问题在哪，想请大家帮忙看看！

我用来聚类的是存在data文件夹里的1095份文档，目前写的代码如下（后半部分没粘贴完整，抱歉）：

from nltk.stem.porter import PorterStemmer
import os
import numpy as np

porter_stemmer = PorterStemmer()

script_dir = os.path.dirname(__file__)
txt_folder_path = os.path.join(script_dir, 'data') 
output_folder = os.path.join(script_dir, 'output')
sw_path = os.path.join(script_dir, 'stopwords.txt')
docfreq = {}

with open(sw_path, 'r') as sw:
    stopwords = set(sw.read().splitlines())

txt_files = [f for f in os.listdir(txt_folder_path) if f.endswith('.txt')]
N = len(txt_files)

for filename in txt_files:
    file_path = os.path.join(txt_folder_path, filename)
    
    with open(file_path, 'r') as f:
        data = f.read().lower()
        
        adjusted = [word for word in data.split() if word not in stopwords]
        stemmed = [porter_stemmer.stem(word) for word in adjusted]
        
        # 后续统计词频、构建文档特征向量的代码，以及优先队列实现聚类的部分没粘贴全

目前我自己怀疑几个方向，但拿不准：

• 文档的特征提取（比如TF-IDF计算）是不是有逻辑错误？
• 自己实现的优先队列有没有完全符合完全链接法的规则？毕竟完全链接是取两个簇中最远样本的距离作为簇间距离，这个核心逻辑是不是写错了？
• 距离计算的方式选得对不对？比如文档聚类常用余弦相似度，但我是不是用了不合适的距离度量？

麻烦各位帮忙分析下可能的问题，或者需要我补充哪些代码/信息方便排查？

备注：内容来源于stack exchange，提问作者吳思覦