我有来自srt字幕文件的歌词。如果我想将它们与另一个歌词网站上的诗句相匹配，那么最好的方法是什么？
我的方法是每个抒情线都使用tf-idf向量并尝试模糊匹配到staza，使用抒情线的开始和结束时间作为线条是否可能属于之前的节，下一节，或者属于它自己的一个节。
我也尝试过动态编程，但成功率较低。由于歌词和节的结构差异很大，有时结果会完全移位或搞砸，特别是如果有重复的合唱。
如果存在递归神经网络或其他机器学习算法，是否存在解决此类问题的方法？
答案 0 :(得分：0)
我建议使用Doc2Vec或Word2Vec方法，基本上你用一些语料库训练NN，NN会为每个单词/文档生成一个向量，这些向量将基于现实世界中单词的相似性（语料库）具有相似性
因此爱和关注的矢量将非常相似，这些矢量会保留其他一些很酷的属性，例如，如果你减去或添加它们，你可以得到一个拥有一些的词变电站的意义或添加诱导
一旦你得到单词或文档的向量，你可以用各种方法检查向量之间的相似性，常用的是cosine similarity
此方法与tf-idf混合以生成权重以获得最佳结果
使用非常简单，例如
from gensim.models import Word2Vec
from nltk.corpus import brown
b = Word2Vec(brown.sents())
print b.most_similar('money', topn=5)
输出
[(u'care', 0.9145717024803162), (u'chance', 0.9034961462020874), (u'job', 0.8980690240859985), (u'trouble', 0.8751360774040222), (u'everything', 0.873866856098175)]
我建议您查看gensim