检查String听起来像Java中的另一个

Question

我想知道Java中是否有任何类能够使用自己的标准检查String与另一个相等的多少.示例:

William Shakespeare / William Shakespeare : might be 100%
William Shakespe**a**re / William Shakespe**e**re : might have above 90%
William Shakespeare / Shakespeare, William : might have above 70% (just examples)

Answer 1

我看到两个主要候选人:

该探测法编码,通过实现Apache的百科全书.但请注意,它主要用于单个相对较短的单词.在第三个例子中找不到相似之处.此外,它真的只适用于英语单词.
的Levenshtein距离(在同样实现Apache的百科全书).这与语言无关,但与第三个示例中的切换部分的相似性相对较低(更像是40%).像Damerau-Levenshtein距离这样的修改可能会产生更好的结果.

(+1)根据我的经验,Commons Codec中的`Metaphone`和`DoubleMetaphone`算法可以提供更好的SOUNDEX结果. (4认同)

Answer 2

您必须使用"软"字符串指标:

还有许多其他内容,请参阅字符串度量标准以获取概述.

最好的算法高度依赖于问题领域.例如,SoundEx会降低东欧名称,如果你想比较"真实世界"单词的相似性,汉明距离对你没什么帮助.

Answer 3

通常,有levenshtein算法,它只输出您必须执行的多少次插入/更新/删除操作(按字符),以便将一个字符串转换为另一个字符串.Apache的StringUtils类有一个实现.