Question

我想比较不同格式的名称，例如：“乔治·W·布什”，“乔治·布什”，“乔治·沃克·布什”，“布什，乔治·沃克”，“布什，GW”，“布什，乔治”等。带点（“。”）的也很少，但我从列表中省略了它们，因为无论如何我都将其标准化。实际上，逗号（“，”）也将被剥离。

确定两个给定名称是否实际代表同一个人的最佳方法是什么？我曾考虑过使用nameparser并构建比较算法，但是请提供其他可能的选择。使用Python标准模块的任何方法也都可以。

Answer 1

最准确的方法是使用NLP库，例如spacy。它可以让您计算单词之间的相似度。

如果您想要一种更简单的方法，则可以实现一个简单的算法，例如：

Object.defineProperty(Array.prototype, 'first', {
  value() {
    return this.find(() => true);
  }
});

console.log( ['a', 'b', 'c'].first() );

然后测量两个结果字符串之间的差异...

但这显然不会给出绝对结果。

Answer 2

有一个开放源代码库，该库很有用，或者至少可以用作构建更多功能的基础。

https://github.com/rliebz/whoswho

样品用量：

>>> from whoswho import who
>>> who.match('Bush, G.W.', 'George W. Bush')

使用Python比较不同格式的名称

2 个答案: