Algorithm 带加权滤波器的字符串模式识别算法？

是否有模式识别算法可以指定匹配或缺失某些参数的权重？例如，假设我有3个字符串：

str1 = Samsung 11.6" 64GB Slate PC Tablet with Wi-Fi - Black  
str2 = Samsung Series 7 XE700T1A-A05US 11.6-Inch Slate (64 GB, Win 7 Pro)
str3 = Samsung Series 7 XE700T1A-A03US 11.6-Inch Slate (128 GB SSD, Win 7 HP)

我想匹配str2和str1，因为它们有相等的GB，即使传统的字符串距离会说str2更接近str3。实际上，我希望任何东西都能处理大量不同权重的参数

---

任何指向正确方向的指针都会受到欢迎。

您可能想做的是开发一个解析器，从字符串中提取相关信息，然后对其进行加权，而不是对字符串本身进行操作

这可能包括生成一组正则表达式来提取您想要的花絮（这些被称为“功能”，例如GB），或者使用更复杂的解析或NLP技术。然后你可以自己开发一个权重函数，或者使用某种类型的（相似性）或（分类）

对于您的简单示例，生成一个看起来像

GB[0-9]+

的正则表达式应该足以进行比较

创建命名实体的字典，例如“三星”、“英寸”、“Wi-Fi”等

创建一组规则以提取特征，例如，千兆字节的

{Number}{Space}？“GB”

，或商标和系列的

{TradeMark}{Space}”系列{Space}{Number}

创建特征向量，将已知属性设置为相应的值，将未知属性设置为类似“NA”（不可用）的值

测量项目之间的距离（表示为特征向量），而不是字符串 注意：使用字典和规则更容易工作，请考虑使用框架。要测量两个向量之间的距离，可以使用

但仅在str1和str2中使用“64\s+GB”。