ruby - 使用模糊字符串匹配在两个数组之间进行最佳匹配

Question

我需要一种方法来找到两个数组之间的最佳匹配。

数组 a 包含产品名称数组 b 指的是所有相同的产品，但名称可能略有不同。

a = [
    "F542521376-34-REG",
    "AF7U",
    "AF106U",
    "F521521376-30R"
]

b = [
    "F54252137634R",
    "AF7U",
    "AF106U",
    "F52152137630R"
]

最佳匹配:

"F542521376-34-REG" - "F54252137634R"
"AF7U"              - "AF7U"
"AF106U"            - "AF106U"
"F521521376-30R"    - "F52152137630R"

或:

a[0] - b[0]
a[1] - b[1]
a[2] - b[2]
a[3] - b[3]

(第一个和最后一个元素因列表而异。)

我可以使用模糊字符串匹配算法来获得字符串相似度的数值 (0.0-1.0)。但仅此一项并不能使我获得列表元素的最佳匹配。我还没有为此找到算法，我不想强​​行使用它。

实际应用是，我有一些中间人 ruby​​ 代码，可以在两个第三方系统之间转换信息，并且数据质量无处不在。我需要匹配元素来创建一个查找表。不知道产品“名称”的格式和变化可能是什么。

Answer 1

我有一个类似的问题，我使用了 gem fuzzy_match解决。该提案假设 a 和 b 之间的关系不一定是一对一的。

require 'fuzzy_match'

fz=FuzzyMatch.new(a)

map = {}
map[nil] = []   # elements in b with no match in a 
a.each{|r| map[r] = []} # In case more than one element in b match a

b.each do |name|
 map[fz.find(name)] << name
end

这给出了“ map ”:

{"F542521376-34-REG"=>["F54252137634R"],
 "AF7U"=>["AF7U"],
 "AF106U"=>["AF106U"],
 "F521521376-30R"=>["F52152137630R"]}

如果匹配不够好，可以使用 fuzzy_match 的几个参数来改进匹配结果。