Wiki- distance : Wiki主题和类别之间的距离？

Question

有什么方向指示吗？维基百科类别/页面之间距离的概念/实现？

例如: A)“圣路易斯大学”B)“大学”

很明显，"A“是"B”的一种。如何从Wiki中提取这些内容？如果您提取连接到A的所有类别，您将看到它给出了

Category:1818 establishments in Missouri Territory 
Category:Articles containing Latin-language text 
Category:Association of Catholic Colleges and Universities
Category:Commons category with local link same as on Wikidata
Category:Coordinates on Wikidata 
Category:Educational institutions established in 1818
Category:Instances of Infobox university using image size
Category:Jesuit universities and colleges in the United States
Category:Roman Catholic Archdiocese of St. Louis
Category:Roman Catholic universities and colleges in Missouri

并且它不包含任何可以直接连接到B (https://en.wikipedia.org/wiki/University)的内容。但从本质上讲，如果您进一步观察，您应该能够找到A和B之间的多跳路径，可能是多跳。实现这一目标的流行方法是什么？

Answer 1

如果您有整个Wikipedia类别分类法，那么您可以计算两个类别之间的距离(最短路径长度)。如果一个类别是另一个类别的祖先，那么它就是直接的。

否则，您可以找到定义如下的最小公共Subsumer。

两个概念A和B的

最小公容含子是最具体的概念，它是A和B的祖先。

然后通过LCS计算它们之间的距离。

我鼓励您访问similarity measures，在那里您将找到计算单词之间语义相似度的最新技术。

维基百科资源：我关于提取维基百科类别/概念的project可能会对你有所帮助。

是一个非常好的相关示例

使用WordNet计算单词之间的语义相似度。WordNet以分层的方式组织英语单词。请参阅此wordnet similarity for java demo。它使用八种不同的技术来计算单词之间的语义相似度。

Answer 2

我收集了一些想法/资源。如果我找到更多我会更新的。

--使用DBPedia：基于维基的知识库。它们提供了一个SparQL end-point来查询这个知识库。但必须通过SparQL界面模拟所需的相似性/距离行为。有些想法是here和here，但它们似乎已经过时了。

--使用UMBEL：http://umbel.org/，这是一个概念的知识图谱。我认为这个知识图谱的大小相对较小。但我怀疑它的精度可能很高。话虽如此，我根本不确定这与维基百科有什么关系。他们有this api来计算任何一对概念之间的距离度量(在写这篇文章的时候，他们的相似度API已经关闭。所以目前不是一个可行的解决方案)。

--使用http://degreesofwikipedia.com/我不知道他们算法的细节和他们是如何做到的，但他们提供了维基概念之间的距离。这也是方向性的。例如this和this。

Answer 3

您可能正在寻找"is a“关系：Q734774 (圣路易斯大学的维基数据项)是一所大学、一座建筑和一所私人非营利性教育机构。您可以使用SPARQL进行查询：

• is Saint Louis University a university?
• how far is Saint Louis University removed from the concept of "university"? (尽管我怀疑这会产生任何有意义的东西)