Python 如何找到写得不同的相同职位名称？

我想找到那些简历上有职位头衔的人（例如）

市场研究协调员

，但他们可能写得不一样，例如：

Marketing Research Coordinator
Market Researching Coordinator
Markets Research Coordinator
Market Researches Coordinator
Marketing Research Coordinator
Markets Researchers Coordinator
Market Researcher Coordinators
Marketing Researcher Coordinators
...

如果我想匹配

==

我不会得到好的结果，词干分析和柠檬化也很难识别这些差异。
另一种选择是在两个字符串之间使用相似性度量，但这将非常耗时，而且可能不是一种好方法。同样在这种方法中，确定阈值也是另一个问题。

---

聪明人有想法吗？

使用下面的正则表达式模式，检查职务是否匹配

import re
pattern = r'Market(\w*?) Research(\w*?) Coordinator'
print('Enter job title')
job_title = input()
if re.search(pattern, job_title):
    print('Job title matching with Market Research Coordinator')
else:
    print('Job title not matching with Market Research Coordinator')

---

使用下面的正则表达式模式并检查职务是否匹配

import re
pattern = r'Market(\w*?) Research(\w*?) Coordinator'
print('Enter job title')
job_title = input()
if re.search(pattern, job_title):
    print('Job title matching with Market Research Coordinator')
else:
    print('Job title not matching with Market Research Coordinator')

---

我不接受词干和柠檬化不起作用！您可以标记您的输入。然后获取词干，在营销的情况下，如果语言选择正确（检查词干分析包中的语言选择正确），您将获得市场。您还应该确保在if语句的两个元素上应用词干

如果存在听写问题或细微差异，您可以使用一个软件包并接受类似于比率T的输入

例如：

import nltk.stem.porter

p_stemmer = PorterStemmer()
print("the stem of marketing:",p_stemmer.stem('Marketing'))        
print("the stem of marketing research:",p_stemmer.stem('Marketing Research'))

结果如下：

营销的源头：“市场”（正确）

营销研究的源头：“营销研究”（我们不想要）

如您所见，如果未应用标记化，则词干分析器将无法按预期工作

---

我建议将所有这些结合起来（标记化、词干化和levenstein）。

我不接受词干化和柠檬化不起作用！您可以标记您的输入。然后获取词干，在营销的情况下，如果语言选择正确（检查词干分析包中的语言选择正确），您将获得市场。您还应该确保在if语句的两个元素上应用词干

如果存在听写问题或细微差异，您可以使用一个软件包并接受类似于比率T的输入

例如：

import nltk.stem.porter

p_stemmer = PorterStemmer()
print("the stem of marketing:",p_stemmer.stem('Marketing'))        
print("the stem of marketing research:",p_stemmer.stem('Marketing Research'))

结果如下：

营销的源头：“市场”（正确）

营销研究的源头：“营销研究”（我们不想要）

如您所见，如果未应用标记化，则词干分析器将无法按预期工作

---

我建议将所有这些（标记化、词干和levenstein）结合起来。

您可以使用Python包

textdestance

计算字符串之间的标准化相似性，并且仅当相似性高于某个阈值时才保留它们

import textdistance

main_job = 'Marketing Research Coordinator'

other_jobs = ['Market Researching Coordinator', 'Markets Research Coordinator', 
              'Market Researches Coordinator', 'Marketing Research Coordinator', 
              'Markets Researchers Coordinator', 'Market Researcher Coordinators',
              'Marketing Researcher Coordinators', 'Marketing Researcher Executive',
              'Senior Advertising Analyst']

for job in other_jobs:
    distance = textdistance.jaccard.normalized_similarity(main_job, job)
    print(f'Similarity "{main_job}" & "{job}": {distance:.3f}')

---

请看最后两个示例。

您可以使用Python包

textdestance

计算字符串之间的标准化相似性，并且仅当相似性高于某个阈值时才保留它们

import textdistance

main_job = 'Marketing Research Coordinator'

other_jobs = ['Market Researching Coordinator', 'Markets Research Coordinator', 
              'Market Researches Coordinator', 'Marketing Research Coordinator', 
              'Markets Researchers Coordinator', 'Market Researcher Coordinators',
              'Marketing Researcher Coordinators', 'Marketing Researcher Executive',
              'Senior Advertising Analyst']

for job in other_jobs:
    distance = textdistance.jaccard.normalized_similarity(main_job, job)
    print(f'Similarity "{main_job}" & "{job}": {distance:.3f}')

---

请看最后两个示例。

我不使用stemmer，因为它有错误，例如，它将

verify

更改为

verify

。但正如你们所说，若我对这两个问题都使用词干，那个么问题可能会得到解决。谢谢同时，

p_stemmer.stem（'Marketing Research'）

不起作用，因为stemmer将整个句子视为一个单词，所以它会按原样返回。我们必须对句子中的每个单词进行词干处理，然后返回一个组合句子。是的，我写这个例子是为了说明将字符串作为一个整体来写是行不通的。：）所以你应该逐字应用。是的，两边的申请都会得到验证，然后你可以比较它们。欢迎您。：）如果答案有帮助，请投票表决。谢谢各位，我看不到您文本的这部分：“如果未应用标记化”。我不使用词干分析器，因为它有错误，例如它将

verify

更改为

verify

。但正如你们所说，若我对这两个问题都使用词干，那个么问题可能会得到解决。谢谢同时，

p_stemmer.stem（'Marketing Research'）

不起作用，因为stemmer将整个句子视为一个单词，所以它会按原样返回。我们必须对句子中的每个单词进行词干处理，然后返回一个组合句子。是的，我写这个例子是为了说明将字符串作为一个整体来写是行不通的。：）所以你应该逐字应用。是的，两边的申请都会得到验证，然后你可以比较它们。欢迎您。：）如果答案有帮助，请投票表决。谢谢，我看不到你文本的这一部分：“如果没有应用标记化”。