Question

我正在寻找一种比较字符串相似性的方法。具体来说，给定两个地址，我想测量它们的相似性。

E.G。

鉴于8219 Lime Forest Blvd 和8219 Lime Forst Boulevard

比较的输出应该让我知道字符串的相似程度。

Answer 1

Levenshtein距离是要走的路。只是开箱即用的想法 - 两个地址可能会有很大不同（一个可以是邮政编码，另一个是带数字的街道），并且花了很多钱来创建令人敬畏的地理编码服务（如https://developers.google.com/maps/documentation/geocoding/?hl=cs）。因此，替代方法是通过地理编码服务计算两个地址的经度/纬度，并查看纬度/经度是否匹配：）

Answer 2

你可以使用这样的东西

import org.apache.commons.lang.StringUtils;


public class StringComparison {

    /**
     * @param args
     */
    public static void main(String[] args) {

        String s1 = "8219 Lime Forest Blvd";
        String s2 = "8219 Lime Forst Boulevard";

        //number of chars that differ
        int distance = StringUtils.getLevenshteinDistance(s1, s2);

        //"relative" difference
        float d = (float)distance / (float)s1.length();

        System.out.println(d);

    }

}

getLevenshteinDistance会给你一些不同于s1到s2的字符。

我认为如果你将这个数字除以字符串长度（小心除以零）会更有用，并尝试手动找到一个最佳位置的小点，以便检测相同的地址（对我来说，这通常是约20~30％）

此示例位于JAVA中，使用的lib位于http://commons.apache.org/proper/commons-lang/index.html

此外，您可以改进这一点，只需更换已知的缩写并尝试使用它们。

统计字符串比较

2 个答案: