如何确定网络上的文档是否与其他文档在语义上相关？答案

【问题标题】：How do I find whether a document on the web is semantically related to some other document?如何确定网络上的文档是否与其他文档在语义上相关？
【发布时间】：2011-05-25 09:13:15
【问题描述】：

我的问题是，给定 document d1 on the web and a document d2 我如何判断 d1 和 d2 在语义上相关。是否有一些 API 可以进行一定数量的自然语言处理，这可能会给我一个提示，即 d1 可能与 d2 相关联。我急需它。请帮助！

【问题讨论】：

标签： semantic-web semantic-markup semantic-analysis

【解决方案1】：

您可以使用特殊的微格式。更多信息请访问http://microformats.org/

简单示例：

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

Rel-License 是多种微格式之一。通过将 rel="license" 添加到超链接，页面指示该超链接的目标是当前页面的许可证。

【讨论】：

【解决方案2】：

对于语义相关的文档，您可以使用 SKOS 等特殊词汇表并将它们关联到一个本体中。或者，您可以直接在文档中使用（如 silex 所述）微格式。

对于自然语言处理，存在可以提取信息的不同工具，例如 GATE。但这不是一项简单的任务。

也许你可以细化你想做的事？您要定义哪些文档是相关的吗？或者您是否想要一个软件来找出可能相关的文档？

【讨论】：

【解决方案3】：

您需要研究“named entity extraction”，即自然语言处理以提取两个文档共有的可能实体。这些通常是人、地点、事件、时间、组织。

查看 OpenCalais http://www.opencalais.com/，了解此类技术的一些实际应用。

【讨论】：