在自然语言处理中，以下哪些是文本聚类的方法A. k-meansB. DBSCANC. 层次聚类D. 线性回归

考查要点：本题主要考查对文本聚类方法的识别能力，需要区分常见的聚类算法与回归算法。
解题核心：明确聚类算法（无监督学习）与回归算法（监督学习）的差异。
关键点：

1. k-means、DBSCAN、层次聚类均属于经典的聚类算法，适用于无标签数据的分组。
2. 线性回归是典型的回归算法，用于预测数值型目标变量，与聚类无关。

选项分析

A. k-means

划分聚类算法，通过迭代优化将数据划分为$K$个簇，常用于文本聚类中的向量化文本分组。

B. DBSCAN

基于密度的聚类算法，能发现任意形状的簇并识别噪声点，适用于处理文本数据中的密集区域。

C. 层次聚类

层次化聚类方法，通过构建树状结构逐步合并或分裂簇，适合分析文本数据的层次关系。

D. 线性回归

回归算法，用于建立自变量与连续型因变量的线性关系（如房价预测），与数据分组无关。