c# - 如何从元组字符串中选择最匹配的字符串

Question

我的程序中有这些代码行。即

var scored = lines.Select(line => 
    Tuple.Create(line, p.calculate_CS(line, summary), summary));
dd.AddRange(scored); 
var top_value = dd.OrderByDescending(x => x.Item2).FirstOrDefault();

我还必须将最相似的匹配项写入数据库，所以想要最相似的计算值加上最相似的单词匹配字符串。

if (top_value.Item2 > 0 && top_value != null)
{
    var abstrct = top_value.Item3.ToString();
    var r_field = top_value.Item1.ToString();
    write_To_Database(abstrct, r_field);
}

元组具有三个变量，即字符串行(即要匹配的字符串数量为373)双相似度值和字符串摘要(即单个与所有 373 个匹配的字符串)。项目 line 与项目 summary 相匹配。变量 top_value 是 line 和 summary 字符串之间最高的相似度值。现在的问题是 summary 的 similarity value 对于 line 中的某些字符串变得相同。因此 line 中的字符串按字母顺序排序。因此，如果某些字符串的最高值相同，则 top_value 将按字母顺序具有最高值，而较低的字符串可能最相似。

所以我想在 top_value 中有最相似的值加上最相似的字符串匹配，无论按字母顺序排序。

例如，如果 summary 是“Software engineering in 2001 - A case”，则匹配值是(由这些代码行给出)。

从附图中可以看出，要匹配的字符串包含字符串Software Engineering......... 其中我得到了engineering design最高 top_value 而它应该是 软件工程。将待匹配字符串和匹配器字符串拆分后，根据term计算相似度值。但是由于 line 中的字符串按字母顺序排序，我得到了 engineering design 而不是 software engineering任何建议都非常感谢。谢谢

Answer 1

如果匹配算法给您带来不想要的匹配，您显然需要更改匹配算法。由于您没有在此处发布您的匹配算法，我将仅使用我自己的示例来说明如何完成此操作。我对您的 calculate_CS 算法进行了逆向工程，以匹配给定输入的结果，但我猜它与您的实现不同。这只是为了说明。此外，我用来更改比赛计分的算法选择是任意的，可能无法满足您的需求。这也只是为了说明。

void Main()
{
    var lines = new[] { 
        "engineering design",
        "requirement engineering", 
        "reverse engineering",
        "software engineering",
        "access control policies",
        "active learning", 
        "ad hock network", 
        "agent based reasoning"
        // etc...
    };

    var summary = "Software engineering in 2001 - A case";

    var dd = new List<Tuple<String, Double, String>>();
    dd.AddRange(lines.Select(line => Tuple.Create(line, calculate_CS(line, summary), summary)));
    var top_value = dd.OrderByDescending(x => x.Item2).FirstOrDefault();

    var ddNew = new List<Tuple<String, Double, String>>();
    ddNew.AddRange(lines.Select(line => Tuple.Create(line, calculate_Lcs(line, summary), summary)));
    var top_value_new = ddNew.OrderByDescending(x => x.Item2).FirstOrDefault();

    top_value.Dump();
    top_value_new.Dump();
}

private double calculate_CS(string line, string summary)
{
    var lineWords = line?.ToLower().Split(' ');
    var summaryWords = summary?.ToLower().Split(' ');

    return lineWords?.Intersect(summaryWords).Any() ?? false
        ? 0.110795817239161
        : 0;
}

private double calculate_Lcs(string line, string summary)
{  
    // using https://www.nuget.org/packages/DuoVia.FuzzyStrings/
    return line.LongestCommonSubsequence(summary).Item2;
}

( Download LinqPad Query )

结果: