我正在尝试匹配两个不同csv文件的列。我设法匹配单词和＃34; house＆＃34;和＆＃34;住所＆＃34;或＆＃34;笔记＆＃34;和＃34;评论＆＃34;。我的问题是我无法成功地将更复杂的单词关联起来。
示例:(这些是来自不同文件的列名）
＆＃34;电子邮件＆＃34;和＆＃34;电子邮件地址＆＃34;我的程序可以检测到＆＃34; Email＆＃34;和＆＃34;电子邮件＆＃34;是相同但无法连接＆＃34;电子邮件＆＃34;到＆＃34;地址＆＃34;。
其他例子：
＆＃34;名称/称呼＆＃34;和＆＃34;标题＆＃34;。我发现它们与＃34; Title＆＃34;然后我扔掉了＃34; Salutation＆＃34; 。这不能应用于前面的例子，因为我不想丢弃＆＃34;地址＆＃34;。
我如何决定是否保留其他词语或将其丢弃？
编辑： 我在尝试的内容中添加了一些代码。对不起，如果它令人困惑。
elif len(list_of_tokens_1[i]) == 1 and len(list_of_tokens_2[j]) == 2:
score1, list1_1,list1_2, syns_dict = common_words_advanced(copy_tokens_1[i][0], copy_tokens_2[j][0], syns_dict)
score2, list2_1,list2_2, syns_dict = common_words_advanced(copy_tokens_1[i][0], copy_tokens_2[j][1], syns_dict)
list_of_tokens_1包含第一个文件的列名和第二个文件的list_of_tokens_2，两者都是标记化的（例如E-mail_Address - ＆gt; [＆＃39;电子邮件＆＃39;，＆＃39;地址＆＃39;] .copy_tokens_1和copy_tokens_2是以前列表的副本，因此我可以进行更改。
syns_dict包含单词的所有同义词，单词为键。
common_words_advanced是一个函数，它返回这些单词将其同义词字符串与字符串进行比较的接近程度。如果得分为1，则意味着它们至少有一个共同的同义词，因此它们匹配。如果它更少意味着它们接近但它们不匹配。
list2_1，list1_2等包含为每个单词返回的最匹配的同义词。
在此代码中，我尝试将[Email] len == 1与[电子邮件，地址] len == 2匹配。第一行有输入＆＃39;电子邮件＆＃39;和电子邮件＆＃39;分数为1.第二行比较电子邮件和地址，得分为~0.5（非常糟糕）。