检查String听起来像Java中的另一个

Question

我想知道Java中是否有任何类能够使用自己的标准检查String与另一个相等的多少。 示例：

• William Shakespeare / William Shakespeare : might be 100%
• William Shakespe**a**re / William Shakespe**e**re : might have above 90%
• William Shakespeare / Shakespeare, William : might have above 70% (just examples)

Answer 1

我看到两个主要候选人：

• 由Soundex实施的Apache Commons编码。但请注意，它主要用于单个相对较短的单词。在第三个例子中找不到相似之处。此外，它真的只适用于英语单词。
• Levenshtein distance（再次在Apache Commons处实施）。这与语言无关，但与第三个示例中的切换部分的相似性相对较低（更像是40％）。像Damerau–Levenshtein distance这样的修改可能会产生更好的结果。

Answer 2

您必须使用“软”字符串指标：

• SoundEx
• Metaphone
• Hamming distance
• Levenshtein距离
• ...

还有很多其他内容，请参阅String Metrics了解概述。

最佳算法在很大程度上取决于问题领域。例如，如果你想比较“真实世界”单词的相似性，SoundEx会降低东欧名字的性能，汉明距离对你没那么大。

Answer 3

通常，有levenshtein算法，它只输出你需要执行多少次插入/更新/删除操作（字符）才能将一个字符串转换为另一个字符串。 Apache的StringUtils类有一个实现。

Answer 4

您可以使用：Class Soundex

Answer 5

对于多个实现，这称为SoundEx，查找java soundex。

其中一个是apache soundex看起来不错（虽然我自己没有用过它）。

Answer 6

听起来像SoundEx，Apache Commons中有一个实现。

Answer 7

您可以尝试SoundEx算法。

Answer 8

字符串匹配非常特定于问题，因为大多数情况下，您要匹配的字符串中具有相同的噪声特性，无论是额外的标点符号，拼写错误还是拼写错误。如果您正在大规模地进行此操作，则需要找到适合输入数据中问题的算法。

Soundex会给你一定程度的信心，两个字符串听起来相同，但你可能必须先做一些前期清理（比如删除标点符号并将字符串标记为单独的单词）。

你可以做的最好的事情是进行测试，你可以使用大量不同的算法，levenshtein是一个很好的算法，soundex（尽管你的里程会因你的问题区域而异）。这两种算法也有变化，BTW。

我建议看一下simmetrics和second string库，这些库有很多字符串匹配实现（我更喜欢第二个字符串库）。

听起来你有一个有趣的问题要解决，祝你好运！

Answer 9

尝试SimMetrics - 包括SoundEx和ChapmanMatchingSoundex在内的开源库，它可以为给出的示例提供更好的分数。即Will Shake vs Shake，这种方法是否会在SoundEx上使用匹配方法。您可能想要尝试的另一个指标，尽管不是非常好的语音分数（如果在不同的名称匹配任务中不是更好），则是同一个库中的q-Grams指标。