小编bra*_*don的帖子

我有一个 +-8000 个项目的列表，这是应用多种技术删除重复项后的结果（列表从 10000 多个项目开始）。

我现在有以下问题-

示例 1. Jack Daniel 2. Jack Daniels 3. Jack Daniel's

很明显，以上所有内容都与一个项目有关，但它们在技术上仍然是独一无二的。我尝试拉出前 4 个字母并检查匹配，但是有 +-4000，其中大部分是误报，即

1. 杰克 Dxxx
2. 杰克 Bxxx

两者都会拉杰克，但不会是有效的副本。

有什么想法吗？