如何实现一个简单的“你输入了 ACB，你的意思是 ABC？”

Question

我知道这不是一个直截了当的问题，所以如果您需要我提供有关其范围的更多信息，请告诉我。有一堆问题几乎解决了相同的问题（它们在此处链接），但从来没有完全相同的问题具有相同的范围和目标 - 至少据我所知。

语境：

• 我有一个带有 ID3 标签的 MP3 文件，用于艺术家姓名和歌曲标题。
• 我有两张表 Artists 和 Songs
• ID3 标签可能略有偏差（例如 Mikaell Jacksonne）
• 我正在使用 ASP.NET + C# 和 MSSQL 数据库

我需要将 MP3 与数据库同步。意义：

1. 用户启动脚本
2. 该脚本浏览所有 MP3
3. 剧本上写着“是‘米凯尔·杰克逊’‘迈克尔·杰克逊’是/否”
4. 用户选择，我们重新开始

系统可以找到的示例：

在数据库...

SONGS = {"This is a great song title", "This is a song title"}
ARTISTS = {"Michael Jackson"}

输出...

"This is a grt song title" did you mean "This is a great song title" ?
"This is song title" did you mean "This is a song title" ?
"This si a song title"  did you mean "This is a song title" ?
"This si song a title"  did you mean "This is a song title" ?
"Jackson, Michael" did you mean "Michael Jackson" ?
"JacksonMichael" did you mean "Michael Jackson" ?
"Michael Jacksno" did you mean "Michael Jackson" ?

等等。

我从这个/how-do-you-implement-a-did-you-mean 中阅读了一些文档，这并不是我所需要的，因为我不想检查整个字典。我也无法真正使用 Web 服务，因为它在很大程度上取决于我的数据库中已有的内容。如果可能的话，我也想避免处理距离和其他复杂的事情。

---

我可以使用google api（或类似的东西）来做到这一点，这意味着脚本将尝试拼写检查并使用数据库进行测试，但我觉得可能有更好的解决方案，因为我的数据库最终可能会变得非常具体歌曲和艺术家，使拼写检查无用。

我也可以尝试类似这篇文章中解释的内容，使用Soundex for c#。

使用普通的拼写检查器是行不通的，因为我不会使用单词，而是使用名称和“标题”。

---

所以我的问题是：有没有一种相对简单的方法来做到这一点，如果有，它是什么？

任何形式的帮助将不胜感激。

谢谢！

Answer 1

你想要的是相似度。本质上，您想要将您的输入（例如“Michael Jackson”）与您的预期值（“Michael Jackson”）进行比较；如果您对某个预期值的相似度值非常高，则可以询问用户。

实现此目的的一种方法是将期望值散列到完全打包的散列表中。如果你的哈希算法正确（是的，这是棘手的一点），每个输入都会哈希到最接近的期望值；一旦找到最接近的期望值，您就可以针对输入和该期望值运行相似性评估；如果超过某个阈值，请询问用户。