- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在构建一个用户必须注册的系统。这些用户也可能是更大客户数据库的一部分,我想将注册与更大客户数据库中的用户 ID 联系起来。
客户数据库有些不完整。有些客户只有一个电话号码,它可能在不同的地方有空格,这取决于输入它的人/内容。其他客户只有一个电子邮件地址,并且由于它是手写的,然后由其他人在以后处理,所以很可能有拼写错误。真是一场噩梦。
我想找到与用户在我正在构建的系统上输入的内容最接近的记录。该数据非常简单明了,将得到验证。该数据:
我最初的想法是使用 Levenshtein 距离算法计算每个字段的“字符串距离”,除非它们为空,然后按总分排序。下面的代码中没有显示,以保持美观和可读性,但我显然也会修剪(甚至可能只是删除)所有空格。
作为伪代码:
SELECT c.customerID
FROM customers c
WHERE ( c.first_name IS NULL OR ( Levenshtein(c.first_name, $first_name) < 3 ) )
AND ( c.last_name IS NULL OR ( Levenshtein(c.last_name, $last_name) < 3 ) )
AND ( c.email IS NULL OR ( Levenshtein(c.email, $email) < 3 ) )
AND ( c.telephone IS NULL OR ( Levenshtein(c.telephone, $telephone) < 3 ) )
仅供引用,我正在为这两个数据库使用 PHP (Laravel) 和 MySQL。
我是在正确的轨道上还是应该使用 Levenshtein 以外的东西?我应该比较所有领域分数的某种组合吗?
最佳答案
轨道绝对正确,但我要添加一些注释。
准备数据
首先,为了匹配,我建议转换数据以消除可能的所有噪声,f.i.将字符串转换为大写、删除空格、删除电话号码中的所有非数字等。
在不完整的数据中寻找最接近的匹配项
其次,设置任意阈值(如上面的“小于 3”)会使它有点僵硬。尽管对 CPU 的要求更高,但您最好按“差异因子”对结果进行排序:
SELECT c.customerID
FROM customers c
ORDER BY
Levenshtein(c.first_name, $first_name)) +
Levenshtein(c.last_name, $last_name) +
Levenshtein(c.email, $email) +
Levenshtein(c.telephone, $telephone) asc
LIMIT 0,1;
显然,当差异高得离谱时,您可以添加一些不匹配的安全措施,但您明白了。如果两个对象都缺少同一字段中的数据(例如,都缺少电子邮件),该方法仍然可以。当只缺少一侧时就会出现问题 - 然后我们会因为差异而受到很大的打击。我们可能会将查询进一步复杂化以避免它:
ORDER BY
(if(c.first_name is null OR c.first_name = '' OR $first_name = '', 0, Levenshtein(c.first_name, $first_name))) +
...
为简洁起见缩短为一行 - 我们仅在有数据要比较时才计算 Lev 距离。
缺点
对于所有匹配差异因子大于 X 的记录,您可能会想到某种标志来让人类决定。在花了一些时间回顾之后,我相信您会想出更多的规则来自动化它。
关于php - 在一些不完整的数据中查找单个用户记录?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27926374/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!