我有一组句子（每个句子= x行数，其中x属于范围（1,6））。我想根据它们之间的相似性对这些句子进行分组。我已经尝试过模糊的wuzzy.token_set_ration，但我遇到的麻烦是我需要给它两个句子，但我确实想要迭代集合中所有句子的组合，如果集合包含例如10k语句如何明智地分组数据？是否有任何方法，如聚类到这个问题？ （我可以有9500个类似的句子。
例：
AAA Limited
AAA Ltd
AAA
Google
Gogle
Googlee
Facebook
Alphabet
Alpfabet
etc
“聚类”可能会主要带你走错方向。
您似乎正在寻找的是拼写纠正。你想要合并拼写错误的版本，为此，最好的策略通常是将字符串转换为“拼音”版本（找到'听起来很容易混淆的字符串，就像在你的字母表示例中那样！），以及看似愚蠢的方法排序所有字母并删除重复 - 然后谷歌和Goolge和Goglee和谷歌成为“eglo”，可以匹配。
但是我怀疑你会发现任何可靠地自动运行的东西，而是准备好要求人工互动。 （在上面的匹配中，Lego也会成为eglo，因此匹配Google。也许最好保留第一个字母，并且仅将其应用于其余部分）。