Algorithm 比较两种数据结构的相似性

我试图找到一种算法来检查两个数据项之间的相似性。假设我有两个包含以下数据的数据结构（联系人列表中的字段）：

// UserA addressbook.
name: Frank Sinatra
mobile: +44 555 555 555 55

// UserB addressbook.
name: Frank Albert Sinatra
phone: 004455555555555

我从不同的提供商那里得到了这些条目，

UserA

同步了他的谷歌账户，

UserB

同步了他的微软账户，但我希望我的算法告诉我，两个用户都认识同一个人（在一定概率内）

---

有人知道我应该去哪里调查吗？我试图找到创建“不安全”散列的散列算法，即对相似数据使用相似的散列，但该方法没有效果。

您可以进一步研究的一些关键词：数据相似性、距离/相似性度量（度量）、相关性、不精确匹配。

字符串的相似性可以通过。测试前应准备好字符串，如删除特殊字符或拆分字符串。

---

对于数据结构，首先看一下

，您可以将所有名称（名字、姓氏、中间名）隔离到一个数组中，并从数字中去掉所有“+”符号、空格和前导零。然后检查数字是否匹配，以及其中一个数组是否包含另一个数组的某些元素。数据结构只是一个示例。它可能是自定义字段或消息列表。我需要比较两种数据结构。我认为一般的相似性算法在您的示例中不起作用。两个相似的电话号码本质上是不同的。“Miller R”、“Robert Miller”和“Miller Bob”可能指同一个人，在词汇上有所不同，尽管它们有一个共同的子词。我认为，如果你按照H2CO3的建议对数据进行归一化，然后对每个字段使用自定义比较，告诉你a是否可能是B，例如，“J Rye”<“Jane Rye”<“Jane F E Rye”和“Raye，J”=“J Rye”，那么你会更成功。两个电话号码的Levenshtein距离告诉你什么？两个距离为1的数字甚至可能在另一个国家，这取决于差异所在的位置。