Кластеризация признаков

Дабы немного отдохнуть от учебы, решил немного попрограммировать. Написал прогу, которая кластеризует слова из американских блогов. Сначала по контексту составил матрицу схожести слов - матрица слова-слова в которой "1" ставилась, если пересечение блогеров, которые использовали эти слова больше половины их объединения. Потом из полученной матрицы получал группы. Из каждой пары связных слов (из каждой "1" в матрице)  создавал группу, состоящую из этих двух слов и слов, всязных одновременно с ними обоим. 

Проделал все это с данными за одну неделю (78-84 дни) неделю. Получил такие 23 группы:

dollar financial

wall_street september french vietnam california national_security

terrorist peace violen threat terror islam

soldier terrorist peace violen

huckabee mitt_romney  giuliani john_mccain

hillary_clinton barack_obama

jewish palestin gaza

israel palestin

bush democra democrats

republicans democrats

afghan iran

bush iraq democra

vietnam national_security veterans french

california national_security

terror security terrorist

military terrorist threat

soldier peace

faith christian

military bush iraq

threat military security iraq

terror military security

jewish gaza

vietnam veterans  french

Создал контекст, в котором признаками были слова, а объектами - номера групп

Получил такие решетки:

1.  со всеми 23 группами

2. если выкинуть группы, состоящие из 2 слов (осталось 14 групп).

3. если из оставшихся 14 групп выбрать 7 наиболее устойчивых: 

Устойчивость считал как количество пар признаков, которые порождают эту группу, деленное на кол-во различных пар в группе. Вроде получаются логичные вещи.