假设我有一个错误日志，我希望得到每个类型错误的计数。我已经通过错误消息分组执行了一个天真的计数，但是很多消息包含特定于上下文的信息，这意味着尽管由同一个错误引起，我不能简单地按消息文本分组。
一些示例，其中斜体段因错误实例而异：
我想使用一些模糊逻辑对所有这些消息进行分组。我理解Levenshtein距离算法对于这种类型的处理是有价值的，但我猜原始距离没有价值，因为它没有根据字符串的长度加权（在1000字符的字符串中，30的距离不太重要，而在100）。
所以我的目标是遍历消息列表并获得某种模糊匹配的计数。可能存在为每个模糊匹配的消息生成某种一致密钥的方面问题？我该怎么做呢？
答案 0 :(得分：0)
我会试试q-gram distance 。然后，两个字符串之间的距离由它们共有的N-grams个数决定。 N必须足够大，以使N-gram代表相关细节。 N = 4可能是一个很好的起点。
进一步的弦距离来自N-gram的概念：f.x。余弦和雅克卡距离。
This text在R的上下文中解释了不同类型的字符串距离算法。