Question

我想检查数据库值和用户输入之间的单词顺序。

例如：

示例一：

DB值：Lorem Ipsum

用户输入：Ipsum Lorem

示例2：

DB值：Lorem Ipsum Dolo

用户输入：Dolo Lorem Ipsum（除了可能的组合之外）   确切的db值）

我会对空格进行分割并比较匹配单词的索引，但总有可能出现拼写错误。例如：

DB值：Lorem Ipsum

用户输入：Lorm Ipsm

在我的申请中，我必须容忍一些拼写错误。有没有办法以任何其他方式检查订单？

我目前正在以下列方式与Levenshtein合作（Ruby on Rails代码）

answer = 'Lorem Ipsum'

response = 'Ipsum Lorem'

score = Text::Levenshtein.distance(answer,response)/answer.length.to_f

这是使用levenshtein得分的正确方法吗？如果是，我如何确定可接受的分数？任何样本数据资源都相同？对于上面的这个特定示例，我得分为0.72

Answer 1

所以你有两个问题需要解决：

检查单词的安排
为拼写错误添加摆动空间

两者都可以通过使用Levenshtein距离算法来解决，但有一个转折：

您正在查看模糊搜索或近似字符串匹配。有许多算法，但从我的头脑，Damerau-Levenshtein Distance Algorithm或Bitap Algorithm。他们都是以Levenshtein为基础的。您可以为您的应用程序搜索更好的算法。
拼写错误 - Levenshtein距离可能更容易实现和使用;并且可能也很有效率。

HTH

编辑：我要解决的第一件事是对单个单词实施Levenshtein distance。因为，我们在这里并不是真正意识到你的意思（可能是包含你的句子的简单文本文件或像MySQL这样的实际DBMS），假设它是一个DBMS，我将创建一个包含所有单词的字典出现在所有句子中。在此之后，我将编写Stored Procedure实施Levenshtein distance。传递测试句子的单词数组并对所有单词应用存储过程。然后用最对齐的单词的ID替换DB句子中的单词以及测试句子。

E.g。在DB中，你有一个句子'Lorem Ipsum'，并且保留一个单词表，我们将有一个名为'words'的表，有2条记录：

|---------------------|
| id | words          |
|---------------------|
|  1 | Lorem          |
|  2 | Ipsum          |
|---------------------|

创建Stored Procedure实施Levenshtein Distance并传递测试语句数组（用户输入）说[Ipsum, Lorem]。

对于用户输入的每个单词，您将得到至少一个对齐的单词。将其替换为表id中的连续words。在我们的示例中，返回的数组可能看起来像[2,1]。

这解决了拼写错误的第二个问题。

对于模糊搜索，从DB中获取一条记录（句子），用表id中的words替换单词（您已经有一个从先前存储过程返回的ID数组）并应用任何算法例如Damerau-Levenshtein Distance Algorithm，Bitap Algorithm，Smith-Waterman Algorithm，Needleman-Wunsch Algorithm。事实上，我建议你实施2-3个，然后比较哪个更适合你的情况。

HTH

Answer 2

我认为这可以通过将用户输入和db记录分成单词数组，然后计算每对的levenshtein距离来解决。然后你需要弄清楚哪一组配对可以最小化得分。

然后，用户输入中的每组单词将与db记录中的单词匹配，这样您就可以根据它们是否处于相同位置来计算分数

确定单词顺序的算法

2 个答案: