Nlp 名称之间的相似性度量？

我有一个名字列表，我试图从任何一个名字列表中找到最相似的5个名字作为查询。 我想应用word2vec，或者使用nltk中的Text.similor（）。 但我不确定这些是否也适用于名字

任何相似性度量都适用于我。 有什么建议吗？

---

这不适用于任何项目，但我只是想学习新东西。

既然您添加了NLTK，我认为您在Python中工作得很好。
查看包含10种不同字符串比较算法的库。他们中的一些人将只比较字符，而另一些人将尝试猜测字符串的发音方式，并帮助您识别拼写非常不同但听起来相似的其他短语。
实际的算法都是用C语言编写的，所以这个库非常有效

---

我想你会发现Jaro-Winkler距离是最有用的。另请查看。

既然您添加了NLTK，我认为您在Python中工作得很好。
查看包含10种不同字符串比较算法的库。他们中的一些人将只比较字符，而另一些人将尝试猜测字符串的发音方式，并帮助您识别拼写非常不同但听起来相似的其他短语。
实际的算法都是用C语言编写的，所以这个库非常有效

---

我想你会发现Jaro-Winkler距离是最有用的。另外请查看。

您是追求表面相似性还是语义相似性？在第一种情况下，例如“Steve”和“Steven”被视为相似，您通常会使用字符串相似性度量，可能会结合一些手写规则。在第二种情况下，如果你使用单词嵌入，你可能会发现“特朗普”和“普京”的名字是相似的（因为如果嵌入是在新闻文本上训练的，那么这些名字在相似的上下文中出现）。Hi@lenz surface similarity对我来说很有用。关于如何做到这一点的任何想法。

difflib

可能是一个开始。有很多可能的方法，我相信对于大多数方法，您都会找到一些第三方Python库：基于最小编辑距离（Levenshtein，Levenshtein-Damerau），基于字符n-gram（余弦相似性，骰子系数等），或者基于某种散列（例如soundex和继承者）.看一看你也可以退房。它是基于Levenshtein距离。你是追求表面相似性还是语义相似性？在第一种情况下，例如“Steve”和“Steven”被视为相似，您通常会使用字符串相似性度量，可能会结合一些手写规则。在第二种情况下，如果你使用单词嵌入，你可能会发现“特朗普”和“普京”的名字是相似的（因为如果嵌入是在新闻文本上训练的，那么这些名字在相似的上下文中出现）。Hi@lenz surface similarity对我来说很有用。关于如何做到这一点的任何想法。

difflib

可能是一个开始。有很多可能的方法，我相信对于大多数方法，您都会找到一些第三方Python库：基于最小编辑距离（Levenshtein，Levenshtein-Damerau），基于字符n-gram（余弦相似性，骰子系数等），或者基于某种散列（例如soundex和继承者）.看一看你也可以退房。这是基于Levenshtein距离。哦，是的，我忘了Peter Christen的技术报告（尽管我知道）。它更适合作为字符串相似性的介绍。Efremova等人的pro是关于正负类可分性的好图表。哦，是的，我忘了Peter Christen的技术报告（尽管我知道）。它更适合作为字符串相似性的介绍。Efremova等人的pro是关于正类和负类可分性的漂亮图表。