SAS Text Miner有一個主要功能就是能幫文章做分群，在這章節將介紹「文字群集」模組。

在此範例中資料是335個2013 KDD paper的PDF檔。ACM SIGKDD Conference on Knowledge Discovery and Data Mining是一個資料探勘領域有名的國際會議，每年會有不同的論文發表，每年內容也會隨這個領域發展而有所不同。若想快速看到某一年中的論文都是什麼內容，可以分成哪幾大群文章，便可使用「文字群集」這個節點。可看到有177篇文章是分在「networks values random algorithms full international…」這個群集；47篇是分在「social likely networks keywords…」內。

接下來將對2013年度會議的文章做分群的分析。

此章節流程圖：

在此處「文字匯入」節點的設定「文字大小」為30000，因此會匯入整篇論文，使用者可以自行選擇若是設定小一點，那就只會匯入論文中前面的內容，可以當作snippet來用，也能增加效率。

( 文字匯入PDF檔，可能有文件編碼和當前環境不同或保全問題，可以參考FAQ的Q1和Q6 )

在SAS Text Miner的文字群集中提供兩種群集演算法，一種是「期望值最大化」，另一種則是「階層式」。在結果方面會有以下幾個圖表，而Cluster Hierarchy以及Hierarchy Data兩個圖表是只有「階層式」演算法才會有的圖表。

 
1.     結果
群集：這個表格為分群的主要結果，有下列資訊

-         Descriptive Terms：每一群的代表詞語，詞語數目在參數中可調整

-         Frequency：這一群中有幾篇文章

-         Coordinate：SVD分解的結果

-         RMS Std：每一群的均方根差

-         X Y：轉到二維空間的X Y座標值

Distance Between Clusters：XY座標圖，每一點代表一群

Cluster Frequencies：由Frequency結果做出來的圓餅圖

Cluster Frequency by RMS：「 Frequency」對上「RMS Std」作圖

若群集演算法為「階層式」，那麼結果除了有上述的四種圖表呈現外，還會有以下的兩個圖表，且同樣的資料「階層式」與「期望值最大化」演算法跑出來的結果會不一樣：

2.     其他參數調整

做SVD分解時的維度設定。預設解析度為「低」，在前結果中可看到有Coordinate1-45，共45個維度；若改成「高」，可看到以下結果，這裡100個維度剛好是到達設定「最大SVD維度」。

i .描述性詞語：代表一群是要以幾個代表詞來表示。

ii. 群集的數目：在做分群分析時，需要設定要分幾群。

iii. 精確或最大數目：用群集的數目設定為40來說明，「精確」是指在分群時要最好剛剛好

分成40群；「最大值」是指最多可以分40群在這個範圍內由演算法判斷。

系統預設「精確或最大數目」欄位是「最大值」，群集的數目為40，在此例子中共分成了8群，若將「精確或最大數目」欄位改成「精確」會分成38群，如下表所示，比前面結果分得更細，是更微觀的結果。群集數目可依照文章數目及性質來做調整。