模糊文本匹配C＃

Question

我正在编写一个桌面用户界面（.Net WinForms）来帮助摄影师清理他的图像元数据。有一个66k +短语列表。任何人都可以建议一个好的开源/免费.NET组件，我可以使用它采用某种算法来识别合并的潜在候选人？例如，可能存在两个或更多个条目，这些条目实际上是相同的单词或短语，仅通过空格或标点符号或甚至轻微的错误拼写而不同。该应用程序最终将依赖于用户对短语进行整合，但是有效地自动查找潜在候选人将非常有用。

Answer 1

让我向您介绍Levenshtein距离公式。太棒了：

http://en.wikipedia.org/wiki/Levenshtein_distance

在信息理论和计算机科学中，Levenshtein距离是用于测量两个序列之间的差异量的字符串度量。术语编辑距离通常用于指Levenshtein距离。

就个人而言，我在医疗保健环境中使用此功能，其中检查提供者名称是否重复。使用Levenshtein过程，我们给了他们一个置信度，并允许他们确定它是真正的重复还是独特的东西。