我一直在使用Double Metaphone和Caverphone2进行字符串比较，他们在名称，地址等方面做得很好（Caverphone2最适合我）。但是，当您获得数字值时，例如电话号码，IP地址，信用卡号等，它们会产生太多的误报。
所以我查看了Luhn和Verhoeff算法，它们基本上描述了我想要的，但并不完全。他们似乎擅长验证，但似乎并不是为模糊匹配而构建的。有什么行为像Luhn和Verhoeff，它可以检测到涉及两个相邻数字的单位错误和换位错误，用于编码和比较目的，类似于模糊字符串算法？
我想对一个数字进行编码，然后将其与100,000个其他数字进行比较，以找到完全相同的匹配。因此像7041234这样的东西会与7041324相匹配，因为它可能是转录错误，但像4213704这样的东西不会。
答案 0 :(得分：3)
Levenshtein and friends可能有助于找到特定字符串或数字之间的距离。但是，如果要构建拼写纠正器，则不希望在每次查询时都运行整个word数据库。
Peter Norvig根据谷歌拼写建议背后的一些技术，在一个简单的“模糊匹配”拼写纠正器上写了a very nice article。
如果您的词典中包含N个词条，并且平均词的长度为L，则“蛮力Levenshtein”方法需要时间O(N*L^3)。相反，Peter Norvig的方法会在输入的某个编辑距离内生成所有单词，并在字典中查找它们。因此它达到O(L^k)，其中k是考虑的最远编辑距离。