PS: Incluí também a lista dos pares de títulos cuja distância é 3 (que apesar de gigante, com seus 5978 itens(!), não parece muito útil...).

2011/10/18 Fabio Azevedo <fazedo@gmail.com>

Helder,

Tem como passar o algoritmo de novo para ver se esquecemos de algo?

Fabio

Em 17 de outubro de 2011 16:15, Helder <helder.wiki@gmail.com> escreveu:

> Aqui está a lista dos pares de títulos mais parecidos (distância igual a 0,
> 1 ou 2) presentes na lista atual:
> https://pt.wikipedia.org/w/index.php?oldid=27296547#toc
>
> 2011/10/17 Helder <helder.wiki@gmail.com>
>>
>> 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_distance)
>> ** 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@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@lists.wikimedia.org
>>> https://lists.wikimedia.org/mailman/listinfo/wikimediabr-l
>>
>
>
> _______________________________________________
> WikimediaBR-l mailing list
> WikimediaBR-l@lists.wikimedia.org
> https://lists.wikimedia.org/mailman/listinfo/wikimediabr-l
>
>

_______________________________________________
WikimediaBR-l mailing list
WikimediaBR-l@lists.wikimedia.org
https://lists.wikimedia.org/mailman/listinfo/wikimediabr-l