c# - 近似字符串匹配

Question

我知道这个问题已经被问了很多次了。我想要关于哪种算法适合近似字符串匹配的建议。

该应用程序专门用于公司名称匹配，除此之外别无其他。

最大的挑战可能是公司结尾名称部分和简称部分例子:1. companyA pty ltd vs companyA pty。有限公司与公司A2. WES 工程 vs W.E.S.工程学(极少发生)

您认为 Levenshtein Edit Distance 是否足够？

我正在使用 C#

问候，最大

Answer 1

您可以使用各种字符串距离度量。

我会推荐 Jaro-Winkler .与比较结果以离散编辑单元为单位的编辑距离不同，JW 给你的分数是 0-1。它特别适用于专有名称。另请参阅 this nice tutorial和 this SO question.

我没有使用过 C#，但这里有一些我在网上找到的 JW 实现:

Impl 1 (如果您查看文件列表，它们也有 DOT NET 版本)

Impl 2

---

如果您想进行更复杂的匹配，您可以尝试对公司名称中常见的单词形式进行一些自定义规范化，例如 ltd/limited、inc/incorporated、corp/corporation考虑到不区分大小写、缩写等。如果您计算这种方式

distance (normalize("foo corp."),
normalize("FOO CORPORATION") )

你得到的结果应该是 0 而不是 14(如果你计算 levenshtein 编辑距离，你会得到这个结果)。