python - 数据库中的近似搜索

Question

我有一个包含机构(大学、医院等)列表的大型数据库。机构名称来源不同，同一机构的拼写可能不同。例如，它们可能拼写错误，或者单词可以缩短(“uni”、“univ”或“university”)

给定一个我需要插入数据库的名称，是否有实用的方法来查找该机构是否已在数据库中？这不是一个研究项目，所以我正在寻找一个相当快的解决方案。

我正在使用 django 和 postgresql，但我想这无关紧要。

Answer 1

这是record linkage的问题.许多数据库为此提供了基本方法，例如字符级 n-gram 匹配，其中像“大学”这样的术语被扩展为

["uni", "niv", "ive", "ver", "ers", ...]

对于 n = 3。数据库将索引所有这样的 n-grams 并允许使用某种加权匹配进行搜索。 pg_trgm似乎正是这样做的，试试吧。