Proximité entre deux phrases

Bonjour,

Je pars un peu à la pêche j'en suis conscient. Je recherche un algorithme qui me donne la proximité entre deux phrases.
Par exemple j'ai d'un côté "Tarte aux fraises de bois", "soupe de légumes", "Tourte au poulet"
Et de l'autre "Gâteau aux fraises", "Tourte de poulet", "soupe"

Je recherche simplement l’occurrence la plus proche. L'idéal serais que l'algorithme fasse un mix entre comparaisons de caractères et utilisation des synonymes.
Je me dis qu'il y a des gens qui ont déjà dû réfléchir sur le problème.

Salut,

Je te confirme que des gens ont réfléchi à ce problème : il y a même des applications qui existent qui permettent de résoudre ce genre de problème. Il peut être résolu de manière plus ou moins complexe d'ailleurs, tout dépend ce qu'on cherche vraiment à faire. J'utilise personnellement dans le cadre professionnel un moteur de recherche sémantique (que je ne citerai pas pour ne pas en faire de publicité), qui est beaucoup plus complexe qu'une comparaison de caractères et de synonyme. Parce que dans le cas général, il n'y a pas que des problèmes aussi basiques (il y'a des notions de pluriel, d'expression équivalente, de conjugaison, de notions sémantiques (si tu cherches dans ce moteur "soupe de légumes", il te trouvera les textes qui contiennent "soupe de tomate, soupes aux légumes, soupe chaude aux poireaux, gaspacho, mais églement "la recette fétiche du chef Untel" (en utilisant une base de connaisances qui permet de savoir que le chef Untel a publié une recette de velouté au potiron, dont il a précisé qu'elle était sa recette préférée dans un autre texte, par exemple); etc...).

Le faire par comparaison et synonyme est plus simple à implémenter, mais limite énormément les résultats qu'on peut obtenir : en gros, il s'agit juste de faire un dictionnaire d'expressions à considérer comme égales, et d'inventorier tous les cas qu'on veut traiter, mais on aura un résultat très limité, ou un dictionnaire avec un nombre considérable d'expressions.

Apache Lucene est un moteur de recherche, Open Source, non sémantique à la base, qui utilise différente méthode pour traiter des cas plus génériques que de le faire par comparaison et synonyme (utilises des règles, élimine des comparaisons certains mots considérés comme sans importances (comme les articles), des radicaux (des préfixes communs à plusieurs mots à considerer comme équivalent, etc...).