Google bigquery 如何检查BigQuery中输入多个单词的两个表的字符串相似性

我有两个表，其中包含公司名称列表。第一个是索引表，因此里面的值是干净的，格式是一致的。第二个表包含用户输入的公司信息，因此可能存在打字错误和格式不一致

第一个（索引表）与此类似：

company_name                         |      industry
Apple Inc                                   Technology
Amazon Inc                                  Retail
Kraft Heinz                                 Food Processing
New York Life Insurance Company             Insurance
Tesla Inc                                   Tesla
Walmart Inc                                 Retail

第二个表（用户输入表）与此类似

company_name
Apple
Apple Inc.
Amazon, Inc
Kraft
New York Life
Tsla
Walmart

请注意，第二个表没有

行业

列，因为主要目标是将

行业

列添加到第二个表中，但由于没有键，我们不能简单地将两个表连接起来

我认为第一步是比较

公司名称

之间的相似性，如果相似性足够大，我们可以假设它是相同的

我做了一些研究，我认为我们需要使用Levenshtein距离。老实说，我对该方法不是很熟悉，但由于我的理解有限，我想知道它是否适用于包含多个单词的输入（例如纽约人寿保险公司），还是只适用于一个单词的输入（例如苹果）

---

任何建议或指导都将不胜感激。

查看本教程第1部分，了解Levenshtein距离，但第4部分将其与令牌、干净和排序方法结合使用，效果非常好。所有这些都可以通过一些UDF功能来实现。作为参考，仅使用

Levenshtein距离

，将

纽约人寿

匹配到

亚马逊公司

，而不是预期的

纽约人寿保险公司

。所以你需要做一些额外的处理，就像上面评论中提到的那样