模糊匹配，置信度，C＃

Question

我试图计算字符串出现在更大集合的子集中的置信度分数。

假设我的原始列表中有10个单词，并且我对所有10个单词匹配一个新单词。每个匹配返回相似性分数。我设置了一个阈值来忽略任何低于70％的相似性得分。所以最后，我的输入词可能与我的列表中的3个单词匹配。

对我而言，这给了我33.333％的机会我的输入词与具有较高相似度得分的3个词匹配。我想计算我是多么自信这个词是匹配的是这三个。我已经计算了我的置信度得分如下，但这似乎是错误的，并且很简单。

1. Cat 1 - 70％相似度 - 33.3％几率。
2. Cat 2 - 75％的相似度 - 33.3％的几率。
3. Cat 3 - 80％相似度 - 33.3％几率。

（（0.70）*（0.333））+（（0.75）*（0.333））+（（0.80）*（0.333））= 75％自信。

计算置信水平的最佳方法是什么？

编辑：根据要求提供更好的样本

原始字集

1. 你好
2. 帮助
3. 地狱
4. 问题
5. 世界
6. 海洋
7. 动物
8. 胡萝卜
9. 棕色
10. 黑色

匹配新单词 - 直升机与原始单词集。 该匹配返回原始集合中的3个单词，相似度得分超过70％。返回的字样是： 1.你好 - 相似度70％ 2.帮助 - 相似度75％ 3.地狱 - 相似度80％

我想计算分数，表明我是多么自信，帮助直升机与返回的单词匹配。

答案：在[link] http://social.msdn.microsoft.com/Forums/en-US/sqlintegrationservices/thread/ff9fc38e-8ca3-4d9a-b505-dfbe37910b17

Answer 1

您的概率不正确（或不是概率）。您似乎已经假设您的单词 匹配前三个相似度得分之一（如果是，您的置信度事实上 100％......） 。此外，概率和相似度得分并不是独立的，因此如果您正在寻找具有概率/统计基础的任何东西，那么您的计算也存在缺陷。

你实际做的是为前三种情况计算平均值“相似度”。如果这可以作为你的（非统计）置信水平，那就没问题了。但是你将不得不自己做一个价值观 - 你真正想要做的事情没有数学依据。为了进一步提供帮助，您需要向我们提供更多信息：

• 如何计算相似度得分。
• 你的单词与10个列表中的内容匹配的概率是多少。
• 列表中的10个单词有多相似。
• 等。等

---

编辑后修改：

你的三个“相似度”分数远非不可思议，因为这三个词本身非常“相似”。无论如何，任何说“直升机”与“地狱”相似80％的算法都不是很好。我认为在这种情况下，置信水平非常接近于零......！