使用Levenshtein距离确定数组中是否存在类似的字符串

Question

我有一个名为referenceArray的字符串数组。我现在有一个字符串str。我想检查referenceArray中的任何元素是否与str类似。我可以计算referenceArray和str的每个元素之间的Levenshtein距离，并选择具有最小距离的元素。 但是，这种方法的问题是我还需要知道referenceArray中的所有元素是否都与str.So相似，在这种情况下，选择具有最小L距离的元素将是错误的。

例如，

referenceArray = ['saint louis','new york']
str='st. louis'

在这种情况下，我选择'saint louis' since it has minimum L distance of 4.

但是如果是str='toronto'，那个minimum L distance is 'new york'，但字符串是完全不同的。如何确定referenceArray中的元素是否与str匹配或者是否存在类似的字符串？

谢谢

Answer 1

如何设定可接受距离的阈值？比如说，只有当此距离低于10或sqrt(len(str))或类似的距离时，才接受具有最小距离的字符串。

Answer 2

尝试设置len(str)/x的上限阈值，其中x是适当的常量。我会尝试使用2-4的x。

尝试一些样本输入，看看最适合你的。