具有超过300万个姓名（姓名，姓氏，父亲姓名）的行的表。我希望检查相似度超过90％。 我使用了许多模糊算法，还使用了utl_match相似性（jaro_winkler，edit_distance）。 这些算法的性能不好。 （超过20秒）。 而且我想检查变化的地方，但是可以用很长时间。喜欢： 姓父名 父姓姓 姓父名 ...... 我找不到任何性能良好的算法，它可在交易系统上运行。
答案 0 :(得分：0)
您不需要每次都检查所有300万个名称，因为您的数据库中有重复项。您还可以做的是在距离最远的位置预先整理输入内容，然后使用不同的输入点。
因此第一步，请创建您的入口点：
Miller
Smith
Yang
...
然后使用>例如70％来检查此入口点，然后更深入地找到您具有很好匹配的聚类。这应该修剪大多数搜索，并使您的算法更快。