问题是有一个大约有20k客户记录的数据库，我想尽最大努力避免重复输入。该数据库是Microsoft SQL Server 2005，维护该数据库的应用程序是Microsoft Dynamics / SL。我正在创建一个与该数据库交互的ASP.NET Web服务。我的服务可以将客户记录插入数据库，从中读取记录或修改这些记录。无论是在我的Web服务中，还是通过MS Dynamics，还是在Sql Server中，我都希望在用户确认新记录添加之前提供可能的匹配列表。
因此用户将提交记录，如果它似乎是唯一的，记录将保存并返回一个新ID。如果有可能重复，用户可以重新提交确认说“是的，我看到可能的重复，这是一个新记录，我想提交它”。
如果它只是标点符号或空格符号（例如，如果您输入“Company，Inc。”并且数据库中有“Company Inc”），这很容易，但如果有轻微的变化，例如“公司公司“而不是”公司公司“或如果有一个胖指法拼写错误，如”Cmpany，Inc。“甚至有可能返回列表中的记录吗？如果绝对不可能，我将处理我所拥有的。如果由于重复需要合并记录，它只会导致更多的工作。
答案 0 :(得分：5)
algorithm最适合您的细节在很大程度上取决于您的域名，因此我建议尝试一些不同的域名 - 您甚至可能需要合并一些以获得最佳结果。缩写，尤其是特定领域的缩写，可能也需要进行预处理或标准化。
对于名字，你可能最好用phonetic algorithm - 考虑到发音。这些将使史密斯和施密特紧密相连，因为当说时，他们很容易混淆。 Double Metaphone是一个很好的首选。
对于胖指法，使用edit distance算法可能会更好 - 这会在两个单词之间产生“差异”。这些将使史密斯和斯莫斯在一起得分 - 即使2可能会通过语音搜索。
T-SQL有SOUNDEX和DIFFERENCE - 但它们非常糟糕。 Levenshtein变体是规范的选择，但是还有其他很好的选择 - 如果你找不到合适的许可实现，那么大多数很容易在C＃中实现。
所有这些都比C-SQL更容易编写/使用C＃（尽管我确实找到了可能在SQL中工作的double metaphone in a horrendous abuse of T-SQL）。
虽然这个example is in Access（我从未真正查看过代码，或者使用过实现），但所包含的演示文稿可以很好地了解您最终可能需要做什么。代码可能值得一看，也许是来自VBA的端口。
答案 1 :(得分：1)
答案 2 :(得分：1)
如果可以将{{d3}}集成到您的解决方案中，那么您一定要尝试一下。
答案 3 :(得分：0)
您可以尝试使用FreeText（或FreeTextTable）函数进行全文搜索，以尝试查找可能的匹配项。