Необходим алгоритм группирования словосочетаний (максимально релевантных) по n словосочетаний в группе.
Словосочетания хранятся в базе MySQL (MyISAM)

Если кто знает, подскажите готовые решения, или тему в которой стоит покопаться ....
В общем буду рад любым зацепкам.
Спасибо.

Непонятно что подразумевается под "максимально релевантных".

Первое, что приходит в голову - копать на тему text mining

_Y_, для моих целей: чем больше одинаковых слов встречается в двух словосочетаниях тем они более релевантны.

кластеризация называется задача

Следовательно, тебе потребуется формализация (словарь, сортированный список слов в словосочетании в таблице). также потребуется функция расчёта диаметра группы (суммарное количество уникальных слов в группе).
Задача попахивает NP-полнотой - особенно если требуется распределить на группы ВСЕ имеющиеся словосочетания.

Задача немного изменилась.
Существует слово, которое встречается в каждом словосочетании.
Читал про кластерный анализ и кластеризацию ... с теорией понятно:

Но вот формализовать данную задачу не могу, в общем помогите сдвинуться с мертвой точки ...

Это сообщение отредактировал(а) nIkTo - 2.2.2012, 19:44

Там по разному можно. 

Можно так.
1. Кластеризуется всё. 
2. Классы переделываются. К маленьким классам добавляются объекты (те у которых метрика поближе к классу). Из больших классов объекты удаляются. Чтоб везде было по n объектов.

Может ещё как-то лучше будет.
Там переделать какой-нибудь алгоритм кластеризации чтоб он сразу на классы по n объектов разбивал.

Длинная задача. И всё зависит от конкретных требований к алгоритму.

Основная проблема в данной задаче отсутствие номальной метрики. И отсутствие не только метрики но и единого порядка на словосочетаниях - множество словосочетаний не является вполне упорядоченным, только частично упорядоченным.

Если я правильно понимаю постановку, то формализацию можно проводить так.
1. Создаем словарь всех слов встречающихся в словосочетаниях. На этом щага решаем, работаем со словами или словоформами. Нпример, слово красный имеет кучу словоформ красная. красный красное....
2. Произвольным образом нумеруем слова в словаре.
3. Для целей разбиения заменяем каждое словосочетание на множество номеров слов. При этом стоит отдавать себе отчет, что мы своими руками уничтожаем порядок слов - в множестве нет порядка между элементами и словосочетания красивая девушка и девушка красивая превратятся в одинаковое множество из номеров слов девушка и красивая.
4. Определяем расстояние между словосочетаниями как, например расстояние по Хаусдорфу или по Хеммингу. В данном случае проще по Хеммингу - два словосочетания тем ближе, чем больше в них одинаковых слов или чем больше мощность пересечения множеств, описывающих слова.

Начиная с этого момента можно начинать строить какую-то классификацию.

Отрицательный момент моей формализации. Можно получить такую цепочку "релевантных" словосочетаний
красна девица, красная осень. золотая осень, золотой запас, хороший запас, хорошая хозяйка, девица хозяйка.