单列查找类似的值

Question

我在EXCEL / SQL表中有一个列样本数据，如下所示。 想要分组类似的记录。 excel或sql中的解决方案应该没问题。

GOPAL
Ramesh
A.GOPAL
SRINIVAS
Ramesh Reddy
G.SRINVIASA RAO

预期的输出可能会对相似性进行排序

 GOPAL
 A.GOPAL
 Ramesh
 Ramesh Reddy
 SRINIVAS
 G.SRINVIASA RAO

或

GOPAL  Group1
A.GOPAL Group1
Ramesh Group2
Ramesh Reddy Group2
SRINIVAS Group3
G.SRINVIASA RAO Group3

Answer 1

这不是一个评论而是一个完整的答案，但可能会引导你朝着正确的方向前进。

您必须定义一个比较两个字符串的相似性度量，并返回一个量化它们之间相似性的值。例如，请参阅A better similarity ranking algorithm for variable length strings。如何实现在SQL查询中使用它取决于您正在使用的DBMS。您还必须建立此度量标准的阈值，并将其定义为“足够接近”。

然后你可以写一个像这样的SQL查询：

select
    a_val as group,
    b_val as stringval
from
    (
    select
        a_val,
        b_val,
        similarity
    from
        (
        select
            a.stringval as a_val, 
            b.stringval as b_val, 
            sim_metric(a.stringval, b.stringval) as similarity
        from
            stringlist as a,
            stringlist as b
        where
            b.stringval >= a.stringval
        ) as sim
    where
        similarity > similarity_threshold
    ) as grp
order by
    a_val;

其中sim_metric()是您的相似度函数，similarity_threshold是您选择的阈值。每组相似名称中的一个名称用作组名。