我有一个巨大的字符串列表（城市名称），我想找到一个城市的名字，即使用户输入错字。
实施例
用户输入“chcago”，系统找到“Chicago”
当然，我可以计算列表中所有字符串的查询的Levenshtein距离，但这可能会非常慢。
有没有有效的方法来执行这种字符串匹配？
答案 0 :(得分：4)
我认为基本思想是使用Levenshtein距离，但是使用名称的子集。如果名称足够长，一种方法是使用n-gram。您可以存储n-gram，然后使用更有效的技术来表示至少x n-gram需要匹配。唉，你的示例拼写错误有3个匹配3克，芝加哥5个（除非你在开始和结束时计算部分）。
对于较短的名称，另一种方法是将字母存储在每个名称中。所以，＆＃34;芝加哥＆＃34;会变成6＆＃34;元组＆＃34;：＆＃34; c＆＃34;，＆＃34; h＆＃34;，＆＃34;我＆＃34;，＆＃34; a＆＃34;，＆ ＃34; g＆＃34;，＆＃34; o＆＃34;。您将对输入的名称执行相同操作，然后要求4或5匹配。这是一个相当简单的匹配操作，所以它可以非常快。
然后，在这个缩小的集上，应用Levenshtein距离来确定最接近的匹配。
答案 1 :(得分：1)
你要求在不使用Levenshtein的情况下确定Levenshtein。
在确定单词之前，您必须确定单词可以偏离多远，并确定应用这种不太准确的算法是否可以接受。例如，您可以查找常用的切换类型字母并将其限制为该字母。或者应用此paper中的第一个/最后一个字母规则。您还可以假设前几个字母是正确的并在排序列表中查找城市，如果您没有找到它，请将Levenshtein应用于n-1和n + 1个单词，其中n是最后查找的位置（或其中的一些变体）。
有几个想法，但我认为没有一个最佳解决方案可以满足您的要求，而无需更多假设。
答案 2 :(得分：1)
基于Levenshtein距离（或服从三角不等式的任何其他度量）在文本字符串上搜索模糊匹配的有效方法是Levenshtein automaton。它以Lucene project（Java）实现，特别是Lucene.net project（C＃）。此方法运行速度很快，但实现起来非常复杂