比较两个数据结构的相似性

Question

我正在尝试找到一种用于检查两个数据条目之间相似性的算法。假设我有两个数据结构（联系人列表中的字段），其中包含以下数据：

// UserA addressbook.
name: Frank Sinatra
mobile: +44 555 555 555 55

// UserB addressbook.
name: Frank Albert Sinatra
phone: 004455555555555

我从不同的提供商处获得了这些条目，UserA同步了他的Google帐户，同时UserB同步了他的Microsoft帐户，但我希望我的算法告诉我两个用户都知道同一个人（在一定的概率内） ）。

有谁知道我应该在哪里研究？我试图找到创建“不安全”哈希的哈希算法，即类似数据的类似哈希值，但该路由效率不高。

Answer 1

可以使用Levenshtein distance确定字符串的相似性。应在测试之前准备字符串，例如删除特殊字符或拆分字符串。 对于数据结构，请查看How do you measure similarity between 2 series of data?

Answer 2

您可以进一步研究的一些关键词：数据相似性，距离/相似性度量（指标），相关性，不精确匹配。