改进的Levenshtein算法

Question

我最近在我们的搜索引擎数据库中实现了levenshtein算法，但我们遇到了一个问题。

根据基本的levenshtein

Levenshtein（'123456'，'12x456'）与Levenshtein（'123456'，'12345x'）的价值相同

通常这很好，但对于我的具体问题是不正确的。当有人使用我们的网站时，这是不正确的。电子元件制造商通常制造类似的产品，最后一个字母只有不同之处。如果第一个字母不同，它通常是完全不同的类别。因此，我需要一种算法，该算法认为在单词开头附近的匹配比在后面的那些更有价值，或者换句话说，在开头附近发生的不匹配应该比后面的那些应用更大的惩罚。

如果有任何人有任何想法，请告诉我。

Answer 1

参见生物信息学中广泛使用的Smith-Waterman算法。它可以执行查询的本地对齐，但这将比Levenshtein慢。

Answer 2

使用Jaro-Winkler Distance ......这正是您所要求的。

Answer 3

我们遇到了类似的问题并使用了Brew edit distance method

我们在Perl，所以我们使用了Text::Brew库。我的同事做了一个关于使用few different algorithms的精彩演讲，包括Brew。