姓名之间的相似性衡量

Question

我有一个名单列表，我和iam试图从任何给定名称的列表中查找最相似的5个名称作为查询。 我想过应用word2vec或者使用nltk中的Text.similar（）。 但我不确定这些是否也适用于名字。

任何相似性措施对我都有用。 有什么建议？ 这不适用于任何项目，只是我想学习新事物。

Answer 1

既然你添加了NLTK，我认为你在Python中工作很好 查看Jellyfish库，其中包含10种不同的算法，用于比较字符串。他们中的一些人只会比较角色，而其他人会尝试猜测一个字符串是如何发音的，并帮助你识别拼写错误但声音相似的其他短语。
实际的算法都是用C语言编写的，所以这个库非常有效！ 我想你会发现Jaro-Winkler距离最有用。另请查看this paper。