0

问题：
我有两个字符串，比如“Billie Jean”和“Thriller”。我需要以编程方式比较它们并找出它们的相关程度。这些都是同一位艺术家的歌曲，因此，它们应该给出比“Brad Pitt”和“Jamaican Farewell”更高的分数（概率、百分比等）。

这样做的一种方法是一个名为 WikipediaMiner 的开源 Java 工具，它使用 Wikipedia 数据转储、检查链接、描述等进行比较。

问题：
请提出一个更好的替代方案，使用任何或所有 Wikipepdia、DBpedia、Freebase 及其表亲，或结合不同的方法。我真的更喜欢可以在服务器上下载和设置的开源软件（例如 Apache Mahout），而不是付费的 Web 服务。

4

2 回答 2

0

与其说是编程问题，不如说是数据问题。

所以这对 StackOverflow 来说并不是一个真正的问题。

我猜你真正想要的是使用WordNet 。这实际上是作为推理单词含义的数据库。例如，数据明确指出数据挖掘是数据处理的一种形式。这是一个物理实体...

你看，推理只会和你的数据一样好。

DBPedia 可能还包括从 WordNet 到 Wikipedia 的映射？

于 2013-01-09T09:21:01.237 回答
0

如果没有额外的上下文，你不能说“Thriller”是一首歌，而不是音乐视频或电影类型或 Lambchop 专辑。

在您确定了您的项目是什么之后，“简单地”遍历 Freebase、MusicBrainz 或您正在使用的任何其他信息源中的连接图。

不过，您需要决定如何衡量得分的权重。两首迈克尔杰克逊的歌曲是因为它们具有相同的类型而更密切相关，还是因为它们与艺术家迈克尔杰克逊直接相关，所以它们与艺术家迈克尔杰克逊的关系更密切？

于 2013-01-10T08:24:35.283 回答