Question

考虑这个例子：

>> from fuzzywuzzy import process
>> choices = ['account', 'update', 'query']
>> process.extract('u', choices)
[('account', 90), ('update', 90), ('query', 90)]

在上述情况下，对于我的最终用户而言，帐户的排名高于给定字符串的 update ，这让我感到困惑。在这种情况下，由于列表顺序，帐户碰巧被任意放在前面，因为所有匹配都共享相同的分数。但是，我会想象 update 会有更高的分数，因为字符 u 会在字符串的前面显示。

这是一个概念错误，还是我没有在这里使用正确的得分手？

Answer 1

首先，你使用的是一名“糟糕”的得分手。根据您的分数，您可能正在使用difflib。您应该切换到基于python-Levenshtein的实现。这可以使用scorer参数完成。

from fuzzywuzzy import process
from fuzzywuzzy import fuzz

def MyScorer(s1, s2):
    fratio = fuzz.ratio(s1, s2)
    fratio -= (s2.find(s1)*5)
    return fratio

choices = ['account', 'update', 'query']
dex = process.extract('u', choices, scorer=fuzz.token_sort_ratio)
mex = process.extract('u', choices, scorer=MyScorer)
print("Default Scorer:", dex)
print("MyScorer:", mex)

现在输出

[('query', 33), ('update', 29), ('account', 25)]

哪个更好，但Levenshtein并不真正关心这个位置，

Levenshtein距离（LD）是两个字符串之间相似性的度量，我们将其称为源字符串和目标字符串（t）。距离是将s转换为t所需的删除，插入或替换的数量。

这就是为什么我添加了MyScorer()的定义，您可以在其中实现自己的算法，该算法将位置考虑在内。我还添加了一个实现的例子，它考虑了这个位置（但我在设计这样的算法方面并不是很有经验，所以不要指望这个算法是完美的甚至可用的）。无论如何，MyScorer的输出是：

[('update', 29), ('query', 28), ('account', 5)]

Answer 2

在您的代码中：

process.extract('u', choices)

您没有将记分器功能传递给提取方法。该方法将选择4足球的最大比例。

base_ratio：两个字符串的Levenshtein距离。

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。

在您的情况下，原始字符串为u，目标字符串为account，update，query。
基本比率为account : 25，update : 29，query : 33 部分比例均为90 令牌排序比率和令牌集合率均为85.5 所以每根弦的最大比例是90 所以你得到输出[('account', 90), ('update', 90), ('query', 90)]。

Answer 3

＆＃34; process.extract＆＃34;在列表或选项词典中找到最佳匹配，返回包含匹配及其得分的元组列表。它不依赖于＆＃34;位置＆＃34;列表或字典中的选择。

为什么fuzzywuzzy不考虑字符顺序

3 个答案: