Question

我有500k数据。

如何从数据库中找到相似的名称？

"Microsoft" -> Microsys,Microcode,Microsystems,Microgroup...etc

的示例

Answer 1

使用MySQL有一个命令“SOUNDS LIKE”，列出所有语音相似的条目。我确信所有其他数据库系统都有类似的东西。

Answer 2

自提出问题以来已经有一段时间了，但我相信可以使用某种距离算法轻松解决原始问题。我建议Levenshtein distance

This article解释了如何在MySQL中实现levenshtein距离。

Answer 3

您需要对类似名称进行分组或如何定义术语“类似”有一些逻辑。对于“相似”，不仅仅意味着匹配单词的前几个字符。例如： - 在这种情况下，“ Microsoft ”可以为您提供Microsys，Microcode等结果。但其他词语如软件，softtonic等也将被视为类似。

逻辑留给你，然后你可以相应地拆分原始字符串，然后使用 LIKE'%%'子句在表格中搜索。

Answer 4

三种不同的方式，然后是真正的答案。

CREATE TABLE company_names (
    company_name VARCHAR(35) PRIMARY KEY
);

INSERT INTO company_names VALUES ('Microsoft');
INSERT INTO company_names VALUES ('Microcode');
INSERT INTO company_names VALUES ('TrendMicro');
INSERT INTO company_names VALUES ('Microphones, Inc.');
INSERT INTO company_names VALUES ('Softonic');
INSERT INTO company_names VALUES ('Soft Touch Cleaning');
INSERT INTO company_names VALUES ('Software Systems');
INSERT INTO company_names VALUES ('SoftTouch Movers');

SELECT company_name FROM company_names ORDER BY SUBSTR（company_name，1,4）;
SELECT company_name FROM company_names WHERE company_name LIKE'Micro％';
SELECT company_name FROM company_names WHERE company_name LIKE'％Micro％';

但如果您的目标是寻找类似的业务，我不会依赖他们名字中的相似之处。在美国，我可能会根据SIC代码或NAICS代码从infousa.com购买一个列表。您可以在NAICS Association网站上查看这些代码的工作原理。

如何从数据库中找到相似的名称？

4 个答案: