是否有任何“简单”算法来确定代表同一人的两个名字的可能性?我并没有要求Custom部门可能使用的级别。只是一个简单的算法,可以告诉我'詹姆斯T.克拉克'是否最有可能与'J'同名。托马斯克拉克'或'詹姆斯秘书'。比较姓名
如果在C#中有算法会很好,但我可以从任何语言进行翻译。
是否有任何“简单”算法来确定代表同一人的两个名字的可能性?我并没有要求Custom部门可能使用的级别。只是一个简单的算法,可以告诉我'詹姆斯T.克拉克'是否最有可能与'J'同名。托马斯克拉克'或'詹姆斯秘书'。比较姓名
如果在C#中有算法会很好,但我可以从任何语言进行翻译。
我遇到了类似的问题,并试图先使用Levenstein距离,但对我来说效果不佳。我想出了一种算法,可以给你两个字符串之间的“相似性”值(更高的值表示更相似的字符串,相同的字符串“1”)。这个值本身并不是非常有意义(如果不是“1”,总是等于或小于0.5),但是当您使用匈牙利矩阵来从两个字符串列表中找到匹配对时,它的工作情况会非常好。
使用这样的:
PartialStringComparer cmp = new PartialStringComparer();
tbResult.Text = cmp.Compare(textBox1.Text, textBox2.Text).ToString();
背后的代码:
public class SubstringRange {
string masterString;
public string MasterString {
get { return masterString; }
set { masterString = value; }
}
int start;
public int Start {
get { return start; }
set { start = value; }
}
int end;
public int End {
get { return end; }
set { end = value; }
}
public int Length {
get { return End - Start; }
set { End = Start + value;}
}
public bool IsValid {
get { return MasterString.Length >= End && End >= Start && Start >= 0; }
}
public string Contents {
get {
if(IsValid) {
return MasterString.Substring(Start, Length);
} else {
return "";
}
}
}
public bool OverlapsRange(SubstringRange range) {
return !(End < range.Start || Start > range.End);
}
public bool ContainsRange(SubstringRange range) {
return range.Start >= Start && range.End <= End;
}
public bool ExpandTo(string newContents) {
if(MasterString.Substring(Start).StartsWith(newContents, StringComparison.InvariantCultureIgnoreCase) && newContents.Length > Length) {
Length = newContents.Length;
return true;
} else {
return false;
}
}
}
public class SubstringRangeList: List<SubstringRange> {
string masterString;
public string MasterString {
get { return masterString; }
set { masterString = value; }
}
public SubstringRangeList(string masterString) {
this.MasterString = masterString;
}
public SubstringRange FindString(string s){
foreach(SubstringRange r in this){
if(r.Contents.Equals(s, StringComparison.InvariantCultureIgnoreCase))
return r;
}
return null;
}
public SubstringRange FindSubstring(string s){
foreach(SubstringRange r in this){
if(r.Contents.StartsWith(s, StringComparison.InvariantCultureIgnoreCase))
return r;
}
return null;
}
public bool ContainsRange(SubstringRange range) {
foreach(SubstringRange r in this) {
if(r.ContainsRange(range))
return true;
}
return false;
}
public bool AddSubstring(string substring) {
bool result = false;
foreach(SubstringRange r in this) {
if(r.ExpandTo(substring)) {
result = true;
}
}
if(FindSubstring(substring) == null) {
bool patternfound = true;
int start = 0;
while(patternfound){
patternfound = false;
start = MasterString.IndexOf(substring, start, StringComparison.InvariantCultureIgnoreCase);
patternfound = start != -1;
if(patternfound) {
SubstringRange r = new SubstringRange();
r.MasterString = this.MasterString;
r.Start = start++;
r.Length = substring.Length;
if(!ContainsRange(r)) {
this.Add(r);
result = true;
}
}
}
}
return result;
}
private static bool SubstringRangeMoreThanOneChar(SubstringRange range) {
return range.Length > 1;
}
public float Weight {
get {
if(MasterString.Length == 0 || Count == 0)
return 0;
float numerator = 0;
int denominator = 0;
foreach(SubstringRange r in this.FindAll(SubstringRangeMoreThanOneChar)) {
numerator += r.Length;
denominator++;
}
if(denominator == 0)
return 0;
return numerator/denominator/MasterString.Length;
}
}
public void RemoveOverlappingRanges() {
SubstringRangeList l = new SubstringRangeList(this.MasterString);
l.AddRange(this);//create a copy of this list
foreach(SubstringRange r in l) {
if(this.Contains(r) && this.ContainsRange(r)) {
Remove(r);//try to remove the range
if(!ContainsRange(r)) {//see if the list still contains "superset" of this range
Add(r);//if not, add it back
}
}
}
}
public void AddStringToCompare(string s) {
for(int start = 0; start < s.Length; start++) {
for(int len = 1; start + len <= s.Length; len++) {
string part = s.Substring(start, len);
if(!AddSubstring(part))
break;
}
}
RemoveOverlappingRanges();
}
}
public class PartialStringComparer {
public float Compare(string s1, string s2) {
SubstringRangeList srl1 = new SubstringRangeList(s1);
srl1.AddStringToCompare(s2);
SubstringRangeList srl2 = new SubstringRangeList(s2);
srl2.AddStringToCompare(s1);
return (srl1.Weight + srl2.Weight)/2;
}
}
编辑距离一个简单得多(改编自http://www.merriampark.com/ld.htm):
public class Distance {
/// <summary>
/// Compute Levenshtein distance
/// </summary>
/// <param name="s">String 1</param>
/// <param name="t">String 2</param>
/// <returns>Distance between the two strings.
/// The larger the number, the bigger the difference.
/// </returns>
public static int LD(string s, string t) {
int n = s.Length; //length of s
int m = t.Length; //length of t
int[,] d = new int[n + 1, m + 1]; // matrix
int cost; // cost
// Step 1
if(n == 0) return m;
if(m == 0) return n;
// Step 2
for(int i = 0; i <= n; d[i, 0] = i++) ;
for(int j = 0; j <= m; d[0, j] = j++) ;
// Step 3
for(int i = 1; i <= n; i++) {
//Step 4
for(int j = 1; j <= m; j++) {
// Step 5
cost = (t.Substring(j - 1, 1) == s.Substring(i - 1, 1) ? 0 : 1);
// Step 6
d[i, j] = System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost);
}
}
// Step 7
return d[n, m];
}
}
Levenshtein已接近,但可能并不完全符合您的要求。
如果有这个问题,我严重怀疑它的核心C#的一部分的解决方案。除了我的头顶,它需要一个包含名字,中间和姓氏的数据库,并且需要输入姓名首字母缩写,如你的例子。这是相当复杂的依赖于信息数据库的逻辑。
第二次到Levenshtein距离,你想要什么语言?我能够很容易地在C#上找到一个在codeproject上的实现。
在我工作的应用程序中,Last name字段被认为是可靠的。 因此向用户展示了所有具有相同姓氏的记录。 用户可以按其他字段进行排序以查找相似的名称。 该解决方案足以大大减少用户创建重复记录的问题。
基本上看起来像这个问题将需要人为判断。
听起来像您正在寻找基于语音的算法,如soundex,NYSIIS或double metaphone。实际上第一个是几个政府部门使用的,并且实施起来微不足道(许多实现很容易available)。第二个是第一个稍微更复杂,更精确的版本。后者大多与一些非英文名字和字母一起工作。
Levenshtein distance是两个任意字符串之间距离的定义。它给你在相同的字符串之间的距离为0,在不同的字符串之间为非零的距离,如果你决定做一个自定义的算法,这也可能是有用的。