如何在数据中表达微妙的关系？

“ A”与“ B”和“ C”有关。在这种情况下，我如何证明“ B”和“ C”也可能相关？

例：

以下是有关百老汇最近一部戏剧的一些头条新闻：

1. 大卫·马梅特（David Mamet）的格伦加里（Glengarry）格伦·罗斯（Glen Ross），由阿尔·帕西诺（Al Pacino）主演，在百老汇开幕
2. Al Pacino在“ Glengarry Glen Ross”中：评论家们怎么看？
3. 阿尔·帕西诺（Al Pacino）在百老汇（Broadway turn）赢得了平淡的评论
4. 剧院评论：Glengarry Glen Ross正在努力推销明星
5. Glengarry Glen Ross；嘿，谁杀死了Klieg灯？

问题：

对这些记录进行模糊字符串匹配将建立一些关系，但不会建立其他关系，即使人类读者可以从更大的数据集中从上下文中选择它们。

我如何找到暗示＃3与＃4相关的关系？它们都可以很容易地连接到＃1，但不能互相连接。

这种数据或结构是否有（可查询的）名称？我在寻找哪种算法？

目标：

给定1,000个标题，系统会自动提示这5个项目可能都是同一件事。

老实说，我编写程序已经很久了，我不知如何正确表达这个问题。（如果有道理，我不知道不知道）。

这是一个个人项目，我正在用Python编写它。在此先感谢您的任何帮助，建议和指示！

这就是所谓的聚类分析，它基本上是将对象分为具有相似属性的聚类。这是一个巨大的话题，但这应该为您提供一个起点。

您正在进入语义世界。有一些公共服务将解析文本并提取主要概念（快速搜索Semantic API，其中包括一些内容），这些服务将解析自由格式的文档并返回遇到的主要主题，包括人，地方，事物，日期和概念。一些更好的将以[RDF]格式返回

如果您想构建自己的系统来执行此任务，那么该领域就是“ 自然语言处理”，这是一个非常吸引人的兔子漏洞。

如果有可能，请与标题一起阅读故事。标题有时可能会变得“可爱”，并且仅切线地提及正在讨论的内容。这对于人类来说是可行的（因为他们具有全局上下文），但是对于NLP来说却不是很好。

正如卡尔·比勒费尔德（Karl Bielefeldt）的回答中所提到的，聚类是一种很好的方法，但是细节决定了魔鬼。你不仅要选择适合您的问题/用户空间聚类方法，你还必须弄清楚什么是集群的。

我的背景是80年代至90年代的信息检索（IR），我们专注于相似性搜索和基于质心的聚类。我们的文档由加权属性向量表示，该属性向量基本上是术语列表及其在文档中的相对重要性。这种方法可以工作（尽管某些集合比其他集合更好），但是它具有短标题的问题，因为它们缺少将事物联系在一起的关键词汇。但是，如果您使用整个文档，那么您将获得更为丰富的术语列表（并且可能会更好地理解重要性），并且当您的标题为“可爱”。

如果您想了解向量生成问题等，则我的电子邮件在我的个人资料中。