Algorithm 如何为多个文档中的字符串选择最佳匹配，其中两个文档的分数相等？

我在中实现了一个算法，将一个句子（用户输入）与其他多个句子（数据）进行比较。算法就是这样工作的，用户输入和数据被转换成单词，然后我用单词来比较它们。该算法将用户输入的单词最多的数据中的任何句子标记为最佳匹配

现在，在第一次运行时，数据中的第一个句子将被计算为最佳匹配，然后转到第二个句子并查找匹配项。如果匹配数大于前一句，则第二句将被视为最佳匹配，否则为前一句

在这种情况下，如果两个句子中有相等的匹配项，那么目前我正在比较这两个句子的大小，并选择一个较小的句子作为最佳匹配项

没有涉及语义，所以这是选择最佳匹配的最佳方法吗？在本例中，匹配的大小较小？或者还有其他更好的选择吗？我试图寻找一些科学参考文献，但没有找到

编辑：

---

总而言之，如果您想根据单词出现情况将一个句子与另外两个句子进行比较，如果两个句子的单词数量相同，并且也存在于您的比较句子中，那么哪一个可以标记为最相似？哪些方法用于检索此相似性？

可以添加一些因素以改进比较：

• 字符串相似性（如Levenstein、Jaro Winkler等）
• 通过为不同的句子长度（字符或单词级别）添加线性或几何惩罚，为句子长度添加参数
• 清理字符串（删除停止字、特殊符号等）
• 添加单词的顺序（位置）作为参数。因此，哪个词在另一个词之前/之后
• 使用句子嵌入以获得相似性，还可以捕获一些语义（）

---

最后，总会有一些句子与你的输入有相同的差异，尽管它们是不同的。这没关系，只要它们实际上与您输入的句子类似。

您可以添加一些因素来改善比较：

• 字符串相似性（如Levenstein、Jaro Winkler等）
• 通过为不同的句子长度（字符或单词级别）添加线性或几何惩罚，为句子长度添加参数
• 清理字符串（删除停止字、特殊符号等）
• 添加单词的顺序（位置）作为参数。因此，哪个词在另一个词之前/之后
• 使用句子嵌入以获得相似性，还可以捕获一些语义（）

---

最后，总会有一些句子与你的输入有相同的差异，尽管它们是不同的。没关系，只要它们实际上与你输入的句子有类似的不同。

如果你想更进一步，可以使用深度学习。 否则，检查最常见的单词（记住删除所有文本中出现过的单词，例如“或”、“和”）， 此外，检查功能间标记的密度也可能有用。
波兰奥运会期间有一项非常酷的任务。我在这里使用了滚动哈希算法

---

如果你想更进一步，可以使用深度学习。 否则，检查最常见的单词（记住删除所有文本中出现过的单词，例如“或”、“和”）， 此外，检查功能间标记的密度也可能有用。
波兰奥运会期间有一项非常酷的任务。我在这里使用了滚动哈希算法

---

据我所知，您正在寻找所谓的“字符串度量”。有很多，它们提供了不同的结果，所以我不知道哪一个最适合你的情况。维基百科提供了一个列表：。文本相似性度量的定义也会有所帮助。你会发现许多不同的方法和算法适用于各种各样的用例。据我所知，你正在寻找所谓的“字符串度量”。有很多，它们提供了不同的结果，所以我不知道哪一个最适合你的情况。维基百科提供了一个列表：。文本相似性度量的定义也会有所帮助。你会发现许多不同的方法和算法适用于各种各样的用例。很好的建议！请看一下这个例子。告诉我哪一个最适合我的输入。在本例中，searchString是我的输入，data是我的另外两个句子。两个句子中都有三个单词，它们也存在于我的输入中。你可以想出任何例子。我是根据字数来比较的。Levenshtein或Jaro在这种情况下有什么帮助？单词的数量可能会非常错误，因为单词之间可能不同，单词可能以不同的方式书写。例如：我踢足球踢得很好，单词的数量可能非常错误，因为单词之间可能不同，单词可能以不同的方式书写，等等。在您的示例中，两个句子与输入单词有一个单词的差异，因此如果它们具有相同的相似性，则是可以的，因为您可以在单词级别上进行比较。例如：雅罗·温克勒和莱文施泰因会使“我在踢足球”比“我在打鼓”更类似于“我在打futball”。严格的字数计算会使“我在打鼓”更为相似。虽然有堵塞，但在生产中通常不起作用。我提到的最先进的方法是BERT（变形金刚）。因为他们是在语料库上训练的，所以他们也能处理意思。因此，“我在踢足球”将更类似于“我在踢足球”，而不是“我在打鼓”，因为嵌入模型了解到，足球和足球非常相似。这