c# - 如何判断两个相似的乐队名称是否代表同一个乐队？

Question

我目前正在从事一个项目，需要我将我们的乐队和 field 数据库与许多外部服务相匹配。

基本上，我正在寻找确定两个名称是否相同的最佳方法的方向。例如:

• 我们的数据库地点名称 - “The Pig and WhiSTLe”
• 服务 1 - “ pig 和哨子”
• 服务 2 - “ pig 与口哨”
• 等等等等

我认为主要区别在于缺少“the”或使用“&”而不是“and”，但也可能存在拼写略有不同和单词顺序不同等问题。

在这种情况下通常使用哪些算法/技术，我是否需要过滤噪音词或进行某种拼写检查类型匹配？

您在 C# 中看到过类似的示例吗？

更新:如果有人对 C# 示例感兴趣，可以通过执行 google code search for Levenshtein distance 来访问堆。

Answer 1

执行此操作的规范(并且可能是最简单的)方法是测量 Levenshtein distance 两个字符串之间。如果距离相对于字符串的大小而言很小，则它可能是同一个字符串。请注意，如果您必须比较很多非常小的字符串，则很难判断它们是否相同。它适用于更长的字符串。

更聪明的方法可能是比较两个字符串之间的 Levenshtein 距离，但将零距离分配给更明显的转换，例如“and”/“&”、“Snoop Doggy Dogg”/“Snoop”等.