Question

我正在寻找一种在两个字符串（例如：名称）之间输出匹配百分比的方法，同时还要考虑它们可能是相同的，但单词顺序不同。我尝试使用SequenceMatcher（），但结果只是部分令人满意：

a = "john doe"
b = "jon doe"
c = "doe john"
d = "jon d"
e = 'john do'

s = SequenceMatcher(None, a, b)
s.ratio()
0.9333333333333333

s = SequenceMatcher(None, a, c)
s.ratio()
0.5

s = SequenceMatcher(None, a, d)
s.ratio()
0.7692307692307693

s = SequenceMatcher(None, a, e)
s.ratio()
0.9333333333333333

除第二个结果外，我都同意。我注意到，没有考虑到 c 包含与a相同的单词，但以 a 的顺序排列。

在上面提到的情况下，还有其他任何方法可以匹配字符串并获得更高的匹配百分比。还应该考虑到名称可能包含两个以上的单词。

谢谢！

Answer 1

这取决于您对增强匹配的期望。如果您认为第二个应为1.0，则很简单：将字符串拆分为单词，对单词进行排序，然后 then 应用SM（SequenceMatcher）。如果您希望对排序进行匹配惩罚，则可以使用任何转换函数来测量两个单词列表之间的距离，并将其用作最终匹配的一个因素。

这有助于您前进吗？

Answer 2

您可以使用其他字符串相似性算法。相似度算法的选择广泛地基于用法。仔细选择！

因此，库textdistance具有许多文本距离算法。最适合您的情况是使用Sorensen dice相似度或Jaccard相似度。

代码：

import textdistance as td

a = "john doe"
c = "doe john"
print(td.sorensen.normalized_similarity(a,c))

输出：

1.0

查找两个字符串之间的匹配百分比，同时还要考虑单词的顺序-Python

2 个答案: