python 中的名称匹配

Question

我们有一个第三方“工具”，可以查找相似的名称并在两个名称之间分配相似度分数。

我应该尽可能地模仿该工具的行为。在网上搜索后，尝试了距离方法。使用fuzzywuzzy进行同样的操作。

matches = process.extractBests(
    name, 
    choices, 
    score_cutoff=50, 
    scorer=fuzz.token_sort_ratio,
    limit=1 
);

它给出的结果接近工具结果。但是，很少有异常值 - 如下所示。

经过互联网上的进一步搜索，我了解到进一步的细化需要实施某种机器学习。我是机器学习领域的新手 - 因此寻求一些关于我下一步应该尝试进一步改进代码的建议。

谢谢！

Answer 1

查看用于模糊字符串匹配的 Jaccard 和 Levenshtein 算法。两者都比较简单，大约 40 或 50 行代码即可实现。