Для того, чтобы определить количество типов публикаций я решил воспользоваться кластерным анализом (КА). КА – один из классических методов статистической обработки данных, а в связи с развитием машинного обучения он стал ещё популярнее. КА позволяет не только рассортировать элементы выборки на группы, но и выделить эти самые группы.

В качестве алгоритма кластеризации была выбрана иерархическая кластеризация, в частности – агломеративный метод. Принцип действия этого алгоритма в двух словах: считаем попарные расстояния между всеми точками в выбранном признаковом пространстве и объединяем в кластеры самые близкие точки. Используемая метрика расстояния –