使用编辑距离消除名称歧义

Question

我有一个庞大的公司名单列表以及与这些名称相关的巨大的zipcodes列表。 （大于100,000）。

我必须输出相似的名称（例如，AJAX INC和AJAX是同一家公司，我为编辑距离选择了4个字符的阈值），但前提是它们的相应邮政编码也匹配。

麻烦的是，我可以将所有这些公司名称放在字典中，并将邮政编码列表和其他特征与该字典键相关联。然而，那么我必须匹配每一对，并且与O（n ^ 2），它需要永远。有没有更快的方法呢？

Answer 1

创建一个由zipcode键入的字典，并将公司名称列表作为值。现在，您只需匹配公司名称​​每个邮政编码，这是一个小得多的搜索空间。