我正在寻找一种简单的方法（UDF？）来建立字符串之间的相似性。 SOUNDEX和DIFFERENCE功能似乎无法完成任务。
相似性应基于共同的字符数（订单事项）。
例如：
Spiruroidea sp。 AM-2008
和
Spiruroidea gen。 SP。 AM-2008
应该被认为是相似的。
非常感谢任何指针。
感谢。
基督教
答案 0 :(得分：8)
您可能需要考虑将Levenshtein Distance算法实现为UDF，以便它返回需要在字符串A上执行的操作数，以使其成为字符串B.这通常是指作为edit distance。
然后，您可以将Levenshtein距离函数的结果与固定阈值或字符串A或字符串B的百分比长度进行比较。
您只需按以下方式使用它：
WHERE LEVENSHTEIN(Field_A, Field_B) < 4;
您可能需要查看以下针对SQL Server的Levenshtein Distance实现：
答案 1 :(得分：1)
这些事情并非微不足道，你应该提供更多的例子。
正如Daniel levenshtein提到的那样，距离是一种方法，但是对于你的例子，你可能想要预先处理字符串，如果你知道你可以安全地删除某些单词 - 例如，从你的例子中可以看出这个单词根。可以放弃。
levenshtein距离将考虑任何四个字母而不是gen。和gen一样。这可能不是你想要的。
此外，如果您的数据集来自不同的数据源，您可以考虑构建同义词词典并调查您域的现有标准分类法。也许比如this？