Сопоставление неточных названий компаний в Java

Вы можете максимально стандартизировать форматы в своей БД / карте и вводе (т.е. преобразовать в верхний / нижний регистр), а затем использовать метрика расстояния Левенштейна от динамического программирования для оценки вводимых данных по всем вашим известным именам.

Затем вы можете попросить пользователя подтвердить совпадение и, если ему это не нравится, дать ему возможность ввести это значение в ваш список известных имен (если подумать - это может быть слишком большой властью, чтобы дать пользователю ... .)

Хотя этот поток немного устарел, я недавно провел исследование эффективности метрик расстояния между строками для сопоставления имен и наткнулся на эту библиотеку:

https://code.google.com/p/java-similarities/

Если вы не хотите тратить много времени на реализацию алгоритмов строкового расстояния, я рекомендую попробовать это в качестве первого шага, уже реализовано ~ 20 различных алгоритмов (включая алгоритмы Левенштейна, Яро-Винклера, Монжа-Элкана и т. Д. ), а его код достаточно хорошо структурирован, чтобы вам не нужно было глубоко понимать всю логику, но вы можете начать использовать его за считанные минуты.

(Кстати, я не являюсь автором библиотеки, так что спасибо ее создателям.)

Вы можете использовать алгоритм LCS для их оценки.

Я делаю это в моем фотоальбоме, чтобы упростить отправку фотографий по электронной почте и обеспечить их безопасность. категории правильно.

• код LCS
• Пример использования (угадывание категории на основе того, что люди вошли)

Я бы сделал LCS, игнорируя пробелы, знаки препинания, регистр и варианты слов «co», «llc», «ltd» и т. Д.

Взгляните на Lucene. Это библиотека Java с открытым исходным кодом для полнотекстового поиска с возможностями «почти совпадения».

Ваша база данных может поддерживать использование регулярных выражений (regex) - см. Ниже некоторые руководства по Java - вот ссылка на документацию MySQL (в качестве примера):

http://dev.mysql.com/doc/refman/5.0/en/regexp.html#operator_regexp < / а>

JDK 1.4.2
http://java.sun.com/j2se/1.4.2/docs/api/java/util/regex/Pattern.html

JDK 1.5.0
http://java.sun.com/j2se/1.5.0/docs/api/java/util/regex/Matcher.html

Использование регулярных выражений в Java
http://www.regular-expressions.info/java.html

Объяснение API Java Regex
http://www.sitepoint.com/article/java-regex-api-explained/

Вы также можете проверить, поддерживает ли ваша база данных возможности Soundex (например, см. Следующую ссылку на MySQL)
http://dev.mysql.com/doc/refman/5.0/en/string-functions.html#function_soundex

проголосовать 1 голос против

Вы можете использовать алгоритм LCS для их оценки.

Я делаю это в своем фотоальбоме, чтобы упростить отправку фотографий по электронной почте и правильно отнести их к категориям безопасности.

* LCS code
* Example usage (guessing a category based on what people entered)

чтобы быть более точным, лучше, чем наименьшая общая подпоследовательность, наименьшая общая подстрока должна быть более точной, поскольку важен порядок символов.

Вы можете использовать Lucene для индексации своей базы данных, а затем запросить индекс Lucene. Есть несколько поисковых систем, построенных на основе Lucene, в том числе Solr.