Database 段落中多词短语的模糊匹配算法

首先，我不是在寻找实际的模糊匹配算法。我们同时使用了Dice系数和Levenshtein距离。我正在寻找最聪明的方法来利用这些算法

目标：

我试图在文本的一段中，按照城市名称出现的顺序来检测城市名称。我们有大约100万个地点名称的列表。我想搜索一段文字，并检测其中一个位置是否存在，然后存储该城市。位置名称可以是单个或多个单词

示例段落：

嗨，妈妈！山姆和我正在考虑在加拿大进行公路旅行 下个月。我们知道我们已经可以住在魁北克的约翰家了 城市。我知道你在加拿大旅行过很多次，所以我想 你的建议

就像我说的，我们从魁北克市开始，然后可能开车去 前往哈利法克斯前的米拉米奇。两天后我们想去 布雷顿角。最后，我们想查看Advocate Harbor 芬迪湾、迪格比和圣伊丽莎白码头等

马上跟你说

预期结果

• 加拿大
• 魁北克市
• 加拿大
• 米拉米奇
• 哈利法克斯
• 布雷顿角
• 倡导者港
• 芬迪湾
• 迪格比
• 圣伊丽莎白码头

问题

我目前的障碍是如何用多个词来检测位置名称。我知道我可以将段落拆分成几个单词，然后将它们与我的列表进行比较，如：

模糊匹配第一个单词与我的位置名称列表

如果不匹配，则根据我的位置名称列表进行模糊匹配（第一个单词+第二个单词）

如果不匹配，则对我的位置名称列表进行模糊匹配（第一个+第二个+第三个单词）

…等等

---

这是我目前的方法，但速度非常慢，效率非常低。有没有一种聪明的方法可以完成我想要的任务？

我认为一些字符串匹配算法非常适合你

以下是他们的清单：

---

在您的情况下，我认为您需要多个模式字符串匹配一个，例如

是否可以将段落视为一行字符串，并使用某种字符串匹配算法？例如匹配多个模式（在您的案例中的位置）是的，这正是我要寻找的。它不做模糊匹配，但效果很好。将此作为答案提交，我会将其标记为正确。谢谢。很高兴知道它有帮助：）这很有效！作为其他人的参考，我最终使用了这个gem中的Aho-Corasick实现：