比较两个字符串的相似性的最佳方法是什么？

Question

所有这些字符串都指的是同一部电影。如何比较它们以检查相似性？

我从外部来源获取所有这些字符串：

• 蜘蛛侠
• 蜘蛛侠
• 蜘蛛侠1
• 蜘蛛侠
• 蜘蛛侠
• 电影：蜘蛛侠

• 胶片：蜘蛛侠

  对我来说，"Spider man 1"和"Spider man 2"是两个完全不同于"spider-man"和"spider man"的字符串。

我想要一个函数，如果它比较所有这些字符串，它将返回“true”

Answer 1

我认为Smith-Waterman algorithm可以给你一些积分。

Answer 2

使用Smith-Waterman算法或其他字符串相似度算法。一种可能性是使用FuzzBall。

require 'fuzz_ball'
THRESHOLD_SCORE = 0.75
MATCHER = FuzzBall::Searcher.new [ 'Spider man' ]

def complies?( str )
  matchdata = MATCHER.search str
  return false if matchdata.nil? or matchdata.empty?
  score = matchdata[0][:score]
  puts "score is #{score}"
  score > THRESHOLD_SCORE
end

complies? 'man spider'
#=> score is 0.8
#=> true

Answer 3

Levenshtein distance可以计算将一个字符串转换为另一个字符串所需的更改次数。