algorithm - 具有加权过滤器的字符串的模式识别算法？

Question

是否有模式识别算法可以指定匹配或缺失某些参数的权重？例如，假设我有 3 个字符串:

str1 = Samsung 11.6" 64GB Slate PC Tablet with Wi-Fi - Black  
str2 = Samsung Series 7 XE700T1A-A05US 11.6-Inch Slate (64 GB, Win 7 Pro)
str3 = Samsung Series 7 XE700T1A-A03US 11.6-Inch Slate (128 GB SSD, Win 7 HP)

我想将 str2 与 str1 匹配，因为它们具有相等的 GB，即使传统的字符串距离会说 str2 更接近 str3。实际上，我希望有任何东西可以处理大量具有不同权重的参数。

任何指向正确方向的指示都将不胜感激。

Answer 1

1. 创建命名实体的字典，例如“三星”、“英制”、“Wi-Fi”等
2. 创建一组规则来提取特征，例如{Number}{Space}?"GB" 表示千兆字节或 {TradeMark}{Space}"Series"{Space}{Number} 表示商标和系列。
3. 创建特征向量，将已知属性设置为相应的值，将未知属性设置为类似“NA”(不可用)的值。
4. 测量项目之间的距离(表示为特征向量)，而不是字符串。

注意:为了更轻松地使用字典和规则，请考虑使用 GATE框架。要测量两个向量之间的距离，您可以使用 cosine distance .