我的应用程序中要求模糊匹配用户输入的字符串值与数据存储区。
我基本上试图在将数据添加到系统的过程中找到可能的重复项。
我看过Metaphone，Double Metaphone和SoundEx，我得出的结论是，在处理单个字输入字符串时它们都很好用;但是我试图匹配一个未定义的单词数量（它们实际上是地名）。
我确实考虑过从字符串中拆分每个单词（删除我定义为噪声字的任何单词），然后实现一些逻辑，这些逻辑将决定我的数据存储中哪些地名最匹配（基于算法中的键）我选择）;我在这里看到的优势是，我可以选择性地收紧，或者放松匹配标准以适应应用：但是这对我来说似乎有点脏。
所以我的问题是：
1：我是否以正确的方式解决了这个问题，是的，我知道它会非常昂贵;但是（没有深入到实现中）这些信息将来自memcache数据库。
2：那里有没有算法，已经专门用于拼音匹配多个单词？如果是的话，请你提供一些关于它们的信息，如果可能的话，还有它们的优点和局限。
答案 0 :(得分：0)
您可能需要查看Locality-sensitive Hash，例如Nilsimsa Hash。我使用Nilsimsa在各个城市“散布”craigslists帖子以搜索重复项（注意：我不是CL员工，只是我正在处理的个人项目）。
这些方法中的大多数都不像你想要的那样可调（基本上你可以得到一些松散定义的“编辑距离”度量标准），而且它们不是语音，只是基于字符的。