Question

我有几个表具有不同的列名，这些表名是通过ETL映射的。总共大约有200个表和500个属性，因此该集合并不庞大。

一些列映射如下：

startDate EFT_DATE
startDate START_DATE
startDate entryDate

如您所见，相同的列名称可以在不同的表中映射为不同的名称。

我正在尝试解决以下问题：

给出两个我想在属性名称之间找到匹配的模式。

我想知道是否有一种方法可以利用gensim来解决这个问题，类似于Google示例中的源词。我面临的挑战是用于训练模型的数据集。我也想知道是否还有另一种解决问题的方法。

Answer 1

您可以通过预处理每个术语来对此应用基本的text analyzers。

对术语进行可选排序：

您现在可以应用set distance个操作，即O(^2)。考虑到您的基数适中。如果您使用的术语集比可扩展的集合比较方法大，例如以下内容，可以帮助降低复杂性。