说我有一份名单。不幸的是，有一些重复，但其中哪些是重复的并不明显。
Tom Riddle
Tom M. Riddle
tom riddle
Tom Riddle, PhD.
我正在考虑使用 Levenshtein距离，并且肯定会有其他算法一次比较2个名称。
但是在名单列表中，无论字符串距离算法如何，我总是会生成一个比较输出网格（n^2）。
如何避免O(n^2)情况？
答案 0 :(得分：1)
这很难。接受你会犯错误，不要让完美成为善的敌人。
首先删除敬意（先生，夫人，先生，博士，博士，小，Sr）。删除常用的名字（基于名字列表）和首字母，并将所有字符转换为大写。为剩下的东西创建一个签名 - 使用Soundex或类似的东西，或者只是删除所有元音和加倍辅音。按签名排序以将相似的名称组合在一起，然后仅对具有相同签名的名称运行完整比较。这减少了排序的时间复杂度O（ n log n ）以及每组
答案 1 :(得分：1)
其他答案已将此视为抽象字符串问题。如果这就是你所追求的，那么我认为他们给出了很好的建议。我将假设你想要使用关于名称如何工作的具体知识，例如，“Thomas Riddle先生，Esq”和“Riddle，Tom”将匹配“Tom Riddle”，但是“Tom Griddle” “不会。
通常，在这种问题中，您可以定义某种规范化函数，并查找规范化为同一事物的术语。在这种情况下，似乎您的名称的规范表示应该包括名字的小写版本，剥离任何标题，并使用昵称到正式名称映射“取消昵称”（假设你想要“汤姆”和“托马斯”匹配）。这个功能会产生“Tom Riddle” - ＆gt; {first: "tom", last: "riddle"}，“谜语，汤姆” - ＆gt; {first: "tom", last: "riddle"}，“Tom Riddle，Esq” - ＆gt; {first: "tom", last: "riddle"}，等等，但是“Tom Griddle” - ＆gt; {first: "tom", last: "griddle"}。
一旦有了name-canonicalization函数，就可以创建一个映射（例如hashmap或BST），它将规范名称与非规范化名称列表相关联。对于每个非规范化名称，在地图中找到与其规范形式对应的列表并将其插入其中。完成后，所有包含多个元素的列表都是重复的。