我遇到了将两个字符串匹配的问题，这些字符串更常见＆＃39;更少一般＆＃39;，＆＃39;相同含义＆＃39;，＆＃39;反义词＆＃39; ;等
字符串可以来自任何域。假设字符串可以来自人们的电子邮件。
举个例子，
String 1 = "movies"
String 2 = "Inception"
在这里我应该知道，初始不如电影（一种是关系）
String 1 = "Inception"
String 2 = "Christopher Nolan"
在这里我应该知道，起始性不如克里斯托弗·诺兰
String 1 = "service tax"
String 2 = "service tax 2015"
在我看来，S-match可以胜任这项工作。但我不确定S-match是否可以用于除WordNet或GeoWordNet之外的知识库（如其页面中所述）。
如果我使用word2vec或dl4j，我猜它可以给我相似度分数。但它是否也支持告诉字符串more general或less general而不是其他字符串？
但我确实看到word2vec可以基于训练集或维基百科等大型语料库。
有人可以为前进的方向投光吗？
答案 0 :(得分：1)
用于建模单词的机器学习方法（例如word2vec和dl4j）的当前用法基于distributional hypothesis。他们根据语境训练单词和短语的模型。这些单词模型中没有本体论方面。在其训练最好的案例中，基于这些工具的模型可以说两个词是否可以出现在相似的语境中。这就是他们的相似性衡量标准的作用。
Mikolov论文（a，b和c）表明这些模型可以学习“语言规律性”没有任何本体论测试分析，它只表明这些模型能够预测“单词对成员之间的相似性”。这种预测对你的任务没有帮助。与相关性相比，这些模型甚至无法识别相似性（例如，阅读本页SimLex test set）。
我想说你需要一个本体数据库来解决你的问题。更具体地说，您的示例似乎是示例中的String 1和String 2：
String 1 = "a"
String 2 = "b"
您正试图在句子中检查entailment关系：
（1）“ c b ”
（2）“ c a ”
（3）“ c 与 a ”有关。
其中：
（1）需要（2）
或
（1）需要（3）
在您的前两个示例中，您可以使用语义知识库来解决问题。但是在理解两个短语之间的差异之前，你的第三个例子可能需要一个语法分析。例如，这些短语：
“男人”
“所有男人”
“高个子男人”
“黑衣人”
“一般的男人”
解决问题需要合乎逻辑的理解。但是，您可以根据语言经济进行分析，在短语中添加更多单词通常会使不那么通用。与较短的短语相比，较长的短语不太通用。它没有为您提供解决问题的精确工具，但它可以帮助您分析某些短语，而无需使用all，general或every等特殊字词。