Question

我试图了解python模块如何模糊函数process.extract（）的工作原理？

我主要阅读这里的fuzzywuzzy包：http://chairnerd.seatgeek.com/fuzzywuzzy-fuzzy-string-matching-in-python/，这是一个很好的帖子，解释了尝试进行模糊匹配时的不同场景。他们讨论了部分字符串相似性的几种情况：

1）故障   2）令牌排序
  3）令牌集

然后，从这篇文章：https://pathindependence.wordpress.com/2015/10/31/tutorial-fuzzywuzzy-string-matching-in-python-improving-merge-accuracy-across-data-products-and-naming-conventions/我学会了如何使用fuzzywuzzy的process.extract（）函数来基本选择前k个匹配。

我找不到有关process.extract（）函数如何工作的太多信息。这是我在GitHub页面（https://github.com/seatgeek/fuzzywuzzy/blob/master/fuzzywuzzy/process.py）上找到的定义/信息，这个功能：

在选项列表或词典中查找最佳匹配，返回a 包含匹配及其分数的元组列表。如果是字典使用，也返回每场比赛的关键。

但是，它没有提供有关它如何找到最佳效果的详细信息？我上面提到的所有3个场景都能找到这个吗？

我问的原因是因为，当我使用这个函数时，有时会有两个非常相似但不匹配的字符串。

例如在我当前的样本数据集中，用于匹配字符串

＆＃34;总补货提前期（工作日）＆＃34;

与

相匹配

＆＃34; PLANNING_TIME_FENCE_CODE＆＃34;，＆＃34; BUILD_IN_WIP_FLAG＆＃34;

但不是（正确答案）

＆＃34; FULL_LEAD_TIME＆＃34;

即使正确的答案有＆＃34;提前期＆＃34;就像to-be-match-string一样，它根本不匹配to-be-match-string。为什么？并且不知何故，其他看起来不像匹配字符串的那些匹配。为什么？我现在很无能为力。

Answer 1

上述答案在关键方面是错误的-推断process.extract的结果与fuzz.partial_ratio相同，因此默认情况下它们的作用相同。

process.extract实际上默认情况下使用WRatio()，它是四个fuzz比率的加权组合。实际上，这是一个很酷的功能，根据经验，它在模糊匹配场景中效果很好。

不过，您可以通过scorer的{{1}}参数来手动指定字符串比较功能

extract的来源：https://github.com/seatgeek/fuzzywuzzy/blob/master/fuzzywuzzy/process.py

Answer 2

模糊模糊比较中有四个比例。

base_ratio：Levenshtein距离为两个字符串。
partial_ratio：大多数相似子字符串的比率。
token_sort_ratio：衡量在比较之前对令牌进行排序的相似性。
token_set_ratio：查找每个字符串中的所有字母数字标记。

有关口粮的更多详情，请访问http://chairnerd.seatgeek.com/fuzzywuzzy-fuzzy-string-matching-in-python/

默认process.extract()使用Partial_ratio进行比较，但您也可以使用第三个参数覆盖process.extract()

实施例。

print(fuzz.partial_ratio('Total replenishment lead time (in workdays)', 'Lead_time_planning'))
query = 'Total replenishment lead time (in workdays)'
choices = ['PLANNING_TIME_FENCE_CODE', 'BUILD_IN_WIP_FLAG','Lead_time_planning']
print(process.extract(query, choices))

结果将是：

50
[('Lead_time_planning', 50), ('PLANNING_TIME_FENCE_CODE', 38), ('BUILD_IN_WIP_FLAG', 26)]

默认情况下，使用partial_ratio显示它，您可以随时覆盖它。

python fuzzywuzzy＆＃39; process.extract（）：它是如何工作的？

2 个答案: