如何计算/衡量excel中文本的相关性？

Question

我知道我们可以使用交叉相关来测量信号中的“相同性”，但我们如何计算文本中“相同性”的百分比？

例如我们有： 1.“令人敬畏的狗的传说” 2.“狗真棒的传说” 这就像是100％相同但是洗牌。

但配对时： 3.“狗极好的9号”，与句子1或2只有40％的同一性。

Answer 1

您正在寻找aproximate string matching。 Excel提供免费的add-on，由Microsoft开发，用于创建所谓的模糊匹配。它使用Jaccard index算法来确定两个给定值的相似性。

• 确保两列都是表格（Ctrl + L）;
• 链接＆＃39;左栏中的列＆＃39;和“右列”＃39;部分并按下中间的连接按钮;
• 选择要输出的列（如果要在左侧或右侧选择多个列，请按住Ctrl键）;
• 确保已选中FuzzyLookup.Similarity;
• 确定每个可比较字符串显示的最大匹配数;
• 确定您的阈值。该数字表示两个字符串在将其标记为匹配之前的最小相似百分比;
• 转到单元格A1的新工作表;
• 点击＆＃39; Go＆＃39;按钮！
• 选择所有相似性得分并为其提供更多小数以获得正确的结果。

See example.