Aqui está a lista dos pares de títulos mais
parecidos (distância igual a
0,
1 ou 2) presentes na lista atual:
Se alguém estiver a fim de programar, talvez isso funcione para alguns
casos:
* Para cada par de títulos da lista, calcule a distância
Levenshtein entre
as duas strings (Há algoritmos prontos para isso no Wikibooks
http://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Levenshtein_d…)
** Se a distância for pequena, os títulos são "parecidos" (como
"Resident
Evil 4" e "Resident Evil", cuja distância é 2), então coloque o par em
uma
lista, para ser avaliado por alguém posteriormente
** Se não for, ignore o par e passe para o próximo
* Avalie manualmente os pares de títulos parecidos que foram incluídos
na
lista.
Não sei se o algoritmo levaria muito tempo para ser executado, mas
talvez
ajude.
2011/10/17 Fabio Azevedo <fazedo(a)gmail.com>
>
> Pessoal,
>
> Acho que ainda precisamos refinar um pouco essa lista. Encontrei
> algumas escolhas que me me parecem estranhas:
>
> 1) Existem apenas 3 artigos sobre datas: 29 de agosto, 30 de agosto e
> 7 de setembro. O último eu até entendo, mas os outros, não.
>
> 2) O artigo [[A Fazenda 4]] figura na lista, mas não [[A Fazenda]]. Se
> é que algum deles deveria figurar.
>
> 3) Existem diversos artigos sobre Piratas do Caribe
> (Piratas_do_Caribe, Piratas_do_Caribe:_No_Fim_do_Mundo,
> Pirates_of_the_Caribbean, Pirates_of_the_Caribbean:_At_World's_End,,
> Pirates_of_the_Caribbean:_Dead_Man's_Chest,
> Pirates_of_the_Caribbean:_On_Stranger_Tides,
> Pirates_of_the_Caribbean:_The_Curse_of_the_Black_Pearl,
> Pérola_Negra_(Piratas_do_Caribe), se não tiver outros).
>
> 4) Real_Madrid e Real_Madrid_Club_de_Fútbol (uma repetição)
>
> 5) Resident Evil 4 e Resident_Evil: Não é o caso de manter apenas 1?
>
> 6) Roma Antiga duas vezes
>
> 7) Rússia e Russia
>
>
> É claro que as repetições são fáceis de resolver, mas temo que haja
> vários casos assim. Será que tem uma maneira automática de eliminar
> esses casos mais óbvios?
>
>
> Fabio
>
> _______________________________________________
> WikimediaBR-l mailing list
> WikimediaBR-l(a)lists.wikimedia.org
>
https://lists.wikimedia.org/mailman/listinfo/wikimediabr-l
_______________________________________________
WikimediaBR-l mailing list
WikimediaBR-l(a)lists.wikimedia.org