Python ngrams的结果令人惊讶

在尝试使用Python的

ngram

库时，我遇到了一个与字符串相似性相关的问题。输出的比率有点混乱。看看我试过什么：

>>> ngram.NGram.compare('alexp','Alex Cho',N=1)*100
30.0
>>>
>>> ngram.NGram.compare('alexp','Alex Plutzer',N=1)*100
21.428571428571427
>>> ngram.NGram.compare('alexp','Alex Plutzer'.lower(),N=1)*100
41.66666666666667
>>> ngram.NGram.compare('alexp','Alex Cho'.lower(),N=1)*100
44.44444444444444
>>> ngram.NGram.compare('alexp','AlexCho'.lower(),N=1)*100
50.0
>>> ngram.NGram.compare('alexp','AlexPlutzer'.lower(),N=1)*100
45.45454545454545

最相似的必须是具有

alexp

的，即

Alex Plutzer

，但前者得分越高，即

Alex Cho

---

为了得到一个合适的结果，我可以把输出作为<代码> Alex Plutzer >代码>与竞争的分数相比。

< P>使用一点领域知识，使用你考虑的1G和曲线拟合，我认为两个字符串S和T的微笑是通过

计算的。

其中ngrams仅给出字符串的ngrams，大括号表示集合，条形/管道表示该集合中元素的计数

如果这个公式成立，你得到的结果是正确的，因此这个公式的结果是正确的。也许最适合你的是

---

也许您需要检查以下内容，另外，您可能需要检查是否提供了所需的相似性分数

也许这是因为字符串的长度不同？浏览比较法的文档串，我还没有发现相似性是如何衡量的。是的，可能是这样。但我无法截断值进行比较。那么，有什么可以用n-gram来做的，这样我就能得到合适的结果了吗results@Alexander酷。。。但是python也有什么答案吗。否则，我需要用python实现它。我的应用程序设计是用python完成的，我不希望包含任何来自其他语言的模块。但是如果没有选择余地，那么我肯定会这么做。你试过N=2吗？我试过

levenstein Distance

。也通过了

Fuuzywuzzy

库，尝试了

Jaro

算法等，但没有得到解决方案。在n-gram，我至少取得了令人满意的结果。但我认为，n-gram并不令人满意。您是否有要比较的字符串的一般定义？也许你需要执行规范化，比如删除空格等。亲爱的，我已经试过了你所说的每一件事，甚至其他的事情。结果对一个人是好的，而对其他人则是坏的。因此，我们需要一个尽可能好的算法来帮助我们。到目前为止，n-gram给了我大约85%的结果准确率，但我至少需要90%以上的准确率才能说结果是好的。也许，你可以试试word2vec，你可能想检查一下，对不起，但我认为这在我的情况下不起作用。但这是一个很好的选择，我可以考虑使用和制作某些向量。