如何查找Web上的文檔是否與某些其他文檔在語義上相關？

Question

我在這裏的問題是，給出一個document d1 on the web and a document d2我怎麼知道d1和d2是語義相關的。是否有一些API可以做一些自然語言處理，可能會給我一個暗示，因爲d1可能與d2連接。 我需要它嚴重和uregently.Please幫助！

Answer 1

您可以使用特殊的微格式。多見於http://microformats.org/

簡單的例子：

<a href="http://creativecommons.org/licenses/by/2.0/" rel="license">cc by 2.0</a> 

的Rel-許可證是幾個微格式之一。通過將rel =「license」添加到超鏈接，頁面會指出該超鏈接的目標是當前頁面的許可證。

Answer 2

對於語義相關的文檔，您可以使用SKOS等特殊詞彙表，並將它們與本體關聯起來。或者，您可以像文檔中提到的那樣，直接在文檔中使用微格式。

對於自然語言處理，存在不同的工具，如可以提取信息的GATE。但這不是一項微不足道的任務。

也許你可以改進你想做的事情？你想定義哪些文件是相關的？或者你想要一個軟件來找出哪些文件可能是相關的？

Answer 3

您需要查看「named entity extraction」即自然語言處理以提取可能的兩個文檔通用的實體。這些通常是人，地點，事件，時間，組織。

查看OpenCalais http://www.opencalais.com/瞭解這類技術的一些實際應用。