查找名称/字符之间比较的算法

Question

我想稍微关注一下这个挑战。

我的目的是找到一些在系统内发展的解决方案。

在我公司（土木工程）的业务中，我有以下情况：

我们在数据库中注册了元素/材料，但我们的数千家供应商拥有相同的元素/材料，名称不同但相似。

所以我有一个通过XML发票的元素列表（例如水泥）。

另一方面，我在我的数据库中注册了相同类型的元素，但名称不同（大多数情况下它们几乎相同），我想在发票清单中找到更像是比较它们的名字。< / p>

有没有类似于贝叶斯算法，我可以比较名称，并在“0”和“1”之间有一个值？ “1”将是100％相同的字符。

示例（我将更改水果元素的类型）：

如果我必须比较： raspberry

Invoice List - Values of Algortim
---------------------------------
 strawberry ........ 0,89
 blueberry ......... 0,77
 cherry ............ 0,46
 grape ............. 0,11
 raspberry ......... 1,00
 pineapple ......... 0,13

重要的是在我没有完美组合时找出最接近的名字。

还有其他技术吗？

很高兴看到你们的想法！

Answer 1

我不确定我是否完全关注 - 但如果您正在寻找计算两个字符串彼此相似的方法，您可以尝试Levenshtein Distance，它通常用于这些目的。

您可以稍后对结果进行标准化，使其达到您想要的范围，例如简单的标准化将是：

                                            distance(u,v)
normalized_distance(u,v) =               ----------------
                              max{distance(x,v) | for each x in the collection }