这是一个用于将vndb的游戏id映射到其他游戏数据库的工具（目前映射到了bangumi、steam和月幕Galgame）。
本项目每周一晚上会自动运行更新，大概周二凌晨就会跑出结果，覆盖发布在 db-latest这一个release里，地址固定：
https://github.com/GoldenPotato137/PotatoDBMapper/releases/download/db-latest/vn_mapper.db
结果为sqlite3数据库。
如果你希望手动运行，可以按照以下步骤操作：
- 下载vndb、bangumi、steam和月幕Galgame的数据库导出，可以手动下载，也可以使用
.\assets\input\里面的脚本来自动下载，具体请参考.\assets\input\README.md。 - cd到项目根目录，输入命令
dotnet run --project .\PotatoDBMapper\PotatoDBMapper.csproj。 - 等一分钟左右，具体时间取决于你的电脑性能（大头是读那几个G的输入文件）。运行结果会保存在
.\assets\db\中。 - 如果你希望在IDE中编译运行，不要忘了修改工作目录到根目录~ （防止找不到asset里的数据库）
只想跑其中一部分的话，可以在命令后面加这些参数：
no-bgm：跳过vndb导出的处理与bangumi的匹配no-ymgal：跳过月幕Galgame的匹配no-steam：跳过steam的匹配skip-update-map/skip-update-title：不更新map表 / 不更新title表progress：打印每条记录的详细进度
月幕Galgame与steam的输入文件不存在时，对应的匹配会自动跳过，不影响其他部分。
不想自己写sql的话，可以直接用PotatoVnDBMapper这个nuget包， 它封装了按vndb id、bangumi id、steam appid、月幕Galgame gid以及游戏名查映射的方法，用法见 NugetPackage/README.md。
只需要表结构、想自己写查询的话，可以只装 PotatoVnDBMapper.Models。 两个包版本号一致，一起发布。
表名： map
字段：
- VndbId：（int，主键，自增）此字段存储游戏的vndb id。
- BgmId：（int）此字段存储对应的bangumi的id。
- BgmDistance ：（int）此字段存储从vndb的游戏名到bangumi的游戏名的修改距离。它表示两个游戏名之间的相似度，数值越小，表示两个游戏名越相似。一般来说这个数值> 3就可以认为结果不可信了。
- BgmSimilarity: (float) 此字段存储从vndb的游戏名到bangumi的游戏名的相似度。
Similarity = 1 - Distance / max(Length(vndb), Length(bgm))。 数值越接近1表示两个游戏名越相似。 - SteamId：（int）此字段存储对应的steam的appid，没有匹配到时为0。
- SteamDistance：（int）此字段存储从vndb的游戏名到steam的游戏名的修改距离，含义同BgmDistance。
- SteamSimilarity：（float）此字段存储从vndb的游戏名到steam的游戏名的相似度。
Similarity = 1 - Distance / max(Length(vndb), Length(steam))，含义同BgmSimilarity。 - YmgalId：（int）此字段存储对应的月幕Galgame的游戏档案id（gid），没有匹配到时为0。
对应的页面为
https://www.ymgal.games/ga{YmgalId}。 - YmgalDistance：（int）此字段存储从vndb的游戏名到月幕Galgame的游戏名的修改距离，含义同BgmDistance。 这里的游戏名包含月幕的原名、中文名与别名，取其中最相似的一个来计算。
- YmgalSimilarity：（float）此字段存储从vndb的游戏名到月幕Galgame的游戏名的相似度。
Similarity = 1 - Distance / max(Length(vndb), Length(ymgal))，含义同BgmSimilarity。
表名： title
字段：
- VndbId：（int）此字段存储游戏的vndb id。
- Title：（string，主键）此字段存储游戏的名字。除了vndb的名字，还包含了从bangumi与月幕Galgame补充过来的中文名。
实验方式：抽取1890条映射逐条核对，判断两边是不是同一部作品。由于低相似度的映射没几条， 按比例抽根本抽不到，所以对它们做了超采样（每个相似度区间抽80~220条），最后再按各区间在全库的 实际条数加权，还原成全库的估计值。
正确率 = 判为同一部作品的条数 / 已判定的条数，判不准的存疑条目不计入分母：
| 相似度区间 | bangumi条数 | bangumi正确率 | steam条数 | steam正确率 | 月幕条数 | 月幕正确率 |
|---|---|---|---|---|---|---|
| <0.70 | 339 | 78.6% | 98 | 81.0% | 81 | 70.8% |
| 0.70~0.80 | 390 | 34.3% | 123 | 32.6% | 94 | 38.2% |
| 0.80~0.90 | 491 | 57.8% | 155 | 55.2% | 130 | 75.7% |
| 0.90~1.00 | 435 | 80.0% | 204 | 59.1% | 243 | 94.1% |
| =1.00 | 28269 | 99.5% | 10137 | 98.8% | 30758 | ≈100% |
加权到全库后，各阈值的表现如下。其中：
- 正确率：相似度≥阈值的映射里，两边确实是同一部作品的比例
- 召回率：库里全部正确映射中，因相似度≥阈值而被保留下来的比例，衡量卡阈值会误伤多少对的结果 （只针对已经匹配出来的映射，不包括没匹配上的游戏）
| Similarity阈值 | bangumi正确率 | bangumi召回率 | steam正确率 | steam召回率 | 月幕正确率 | 月幕召回率 |
|---|---|---|---|---|---|---|
| 不过滤 | 97.5% | 100% | 96.5% | 100% | 99.6% | 100% |
| ≥0.70 | 97.7% | 99.1% | 96.6% | 99.2% | 99.7% | 99.8% |
| ≥0.80 | 98.6% | 98.6% | 97.4% | 98.8% | 99.9% | 99.7% |
| ≥0.90 | 99.2% | 97.7% | 98.0% | 98.0% | ≈100% | 99.4% |
| =1.00 | 99.5% | 96.5% | 98.8% | 96.9% | ≈100% | 98.7% |
- vndb：数据库导出
- Bangumi 番组计划：Bangumi Archive
- Steam：IStoreService/GetAppList（需要自己申请web api key， 具体见.\assets\input\README.md）
- 月幕Galgame：data-export
其中月幕Galgame的数据仅限非商业用途使用，具体请参考其使用者须知。