multidimensional-array - 在 Salesforce 中优化 Levenshtein 距离算法

Question

我有一个名为 customer 的自定义对象，其中包含 Customer_Name、Address_Line_1、Post_Code 等字段。

我想遍历所有记录并比较 Customer_Name 的相似性(基于模糊搜索或编辑距离)。如果相似度高于或低于某个阈值，自定义字段 (Possible_Duplicate_Customer_ID__c) 将被更新以识别可能的重复项。

我已经设法实现了这一点，但我遇到了 2 个问题:

1).超过 Salesforce 管理器限制(太多脚本语句:200001)可能是由 Levenshtein 距离算法所需的大量循环引起的。2).我提交的列表 (newList) 也包含重复的 ID。

    private static List<Customer__c> newList = new List<Customer__c>();

webService static Integer findDupes() {

    Integer returnCount = 0;
    Double cost = 0;
    Integer COST_THRESHOLD = 5;

    Map<id,Customer__c> cMap = new Map<id,Customer__c>([
        select ID, Name, Customer_Name__c, Possible_Duplicate_Customer_ID__c 
        from Customer__c 
    ]);

    List<Customer__c> custList1 = cMap.values();        
    List<Customer__c> custList2 = custList1.clone();

    for (Customer__c cust1 :custList1) {
        for (Customer__c cust2 :custList2) {
            cost = LevenshteinDistance.computeLevenshteinDistance(
                    cust1.Customer_Name__c, cust2.Customer_Name__c);
                if(cost<COST_THRESHOLD && cost != 0) {
                    Customer__c c = new Customer__c(
                        id = cust2.Id, 
                        Possible_Duplicate_Customer_ID__c = cust1.Name
                    );
                    newList.add(c);
                }
                System.debug(cost+' edits to transform '
                        +cust1.Customer_Name__c+' to '+cust2.Customer_Name__c);
        }
    }

    returnCount = newList.size();

    update newList;        
    return returnCount;
}

Answer 1

您是否尝试过新的getLevenshteinDistance method 字符串？

另请参阅我的问题/方法 here .我坚持只返回同一国家/地区具有相同邮政编码或城市的匹配项，从而减少初始匹配项的数量。