Sql server 在MS SQL Server中，如何将mdq.相似性分数转换为MDS中的编辑操作数？

如何将

mdq.Similarity

的结果转换为两个单词匹配所需的结果。此功能是Microsoft SQL Server中主数据服务（MDS）的一部分，定义为：

USE [mds]
ALTER FUNCTION [mdq].[Similarity](@input1 [nvarchar](4000), @input2 [nvarchar](4000), @method [tinyint], @containmentBias [float], @minScoreHint [float])
RETURNS [float] WITH EXECUTE AS CALLER, RETURNS NULL ON NULL INPUT
AS EXTERNAL NAME [Microsoft.MasterDataServices.DataQuality].[Microsoft.MasterDataServices.DataQuality.SqlClr].[Similarity]

这两个单词彼此相距1个编辑点，产生不同的Levenshtein距离，这似乎说明了它们的长度（单词中的字符数）

---

然而，我需要它在每种情况下返回1，因为每一对都有两个单词，通过一次编辑（插入、删除、替换）而有所不同。

您不能。

我还不能用这个函数做任何有用的事情。我发布这篇文章的主要原因是为了让人们可以访问，因为在做一个测试时它不会出现

根据msdn，mdq。相似性：

返回相似性分数。这个分数表示相似性 由指定的匹配算法比较的两个字符串之间

我理解Levenshtein、Jaro和LCSS，但是在使用这个函数很多小时后，很难用它做任何有用的事情。相似性是一条死胡同

这个

--Using Levenshtein edit distance algorithm.
SELECT Lev = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 0, 0.0, 0.0);
--Using Jaccard similarity coefficient algorithm.
SELECT Jacc = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 1, 0.0, 0.0);
--Using Jaro-Winkler distance algorithm.
SELECT jaro = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 2, 0.0, 0.0);
--Using longest common subsequence algorithm.
SELECT lcss = mdq.Similarity(N'12345', N'93459', 3, 0.0, 0.0);

Lev
----------------------
0.5625

Jacc
----------------------
0.269230769230769

jaro
----------------------
0.878846153846154

lcss
----------------------
0.6

返回

--Using Levenshtein edit distance algorithm.
SELECT Lev = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 0, 0.0, 0.0);
--Using Jaccard similarity coefficient algorithm.
SELECT Jacc = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 1, 0.0, 0.0);
--Using Jaro-Winkler distance algorithm.
SELECT jaro = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 2, 0.0, 0.0);
--Using longest common subsequence algorithm.
SELECT lcss = mdq.Similarity(N'12345', N'93459', 3, 0.0, 0.0);

Lev
----------------------
0.5625

Jacc
----------------------
0.269230769230769

jaro
----------------------
0.878846153846154

lcss
----------------------
0.6

---

你不能。

我还不能用这个函数做任何有用的事情。我发布这篇文章的主要原因是为了让人们可以访问，因为在做一个测试时它不会出现

根据msdn，mdq。相似性：

返回相似性分数。这个分数表示相似性 由指定的匹配算法比较的两个字符串之间

我理解Levenshtein、Jaro和LCSS，但是在使用这个函数很多小时后，很难用它做任何有用的事情。相似性是一条死胡同

这个

--Using Levenshtein edit distance algorithm.
SELECT Lev = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 0, 0.0, 0.0);
--Using Jaccard similarity coefficient algorithm.
SELECT Jacc = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 1, 0.0, 0.0);
--Using Jaro-Winkler distance algorithm.
SELECT jaro = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 2, 0.0, 0.0);
--Using longest common subsequence algorithm.
SELECT lcss = mdq.Similarity(N'12345', N'93459', 3, 0.0, 0.0);

Lev
----------------------
0.5625

Jacc
----------------------
0.269230769230769

jaro
----------------------
0.878846153846154

lcss
----------------------
0.6

返回

--Using Levenshtein edit distance algorithm.
SELECT Lev = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 0, 0.0, 0.0);
--Using Jaccard similarity coefficient algorithm.
SELECT Jacc = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 1, 0.0, 0.0);
--Using Jaro-Winkler distance algorithm.
SELECT jaro = mdq.Similarity(N'Alexia Geogio', N'Alexandra George', 2, 0.0, 0.0);
--Using longest common subsequence algorithm.
SELECT lcss = mdq.Similarity(N'12345', N'93459', 3, 0.0, 0.0);

Lev
----------------------
0.5625

Jacc
----------------------
0.269230769230769

jaro
----------------------
0.878846153846154

lcss
----------------------
0.6

---

受艾伦回答的启发，我四处挖掘，寻找标准化的Levenshtein距离。发现了这一点，显然，它很有效：非规范化

mdq。相似性
输出编辑操作的数量。因此，MDS函数计算

1-距离（a，b）/最大距离（a.长度，b.长度）

因此，我们将原始Levenshtein距离反向工程为（注意舍入！！）：

我在包装函数中保留了
@minScoreHint
参数，因为它可以极大地提高性能（）。然后输出为：

a   b   Lev Lev_nmzd
a       1   0
ab  a   1   0.5
abc ab  1   0.667
ac  ab  1   0.5

所以，这毕竟不是那么糟糕。不过，我希望微软能引用他们构建机器学习工作的出版物。它已经是Python、R和其他软件（GPL或其他）中包文档的标准实践
 受艾伦答案的启发，我四处挖掘，寻找标准化的Levenshtein距离。发现了这一点，显然，它很有效：非规范化
mdq。相似性
输出编辑操作的数量。因此，MDS函数计算

1-距离（a，b）/最大距离（a.长度，b.长度）

因此，我们将原始Levenshtein距离反向工程为（注意舍入！！）：

我在包装函数中保留了
@minScoreHint
参数，因为它可以极大地提高性能（）。然后输出为：

a   b   Lev Lev_nmzd
a       1   0
ab  a   1   0.5
abc ab  1   0.667
ac  ab  1   0.5

所以，这毕竟不是那么糟糕。不过，我希望微软能引用他们构建机器学习工作的出版物。它已经是Python、R和其他软件（GPL或其他）中包文档的标准实践
 你好，艾伦。谢谢你的链接。事实上，我没有通过Bing、Google和Yahoo找到文档。关于如何在
相似性
中计算Levenshtein，没有精确的公式吗。然后，我可以返回我需要的原始编辑距离。或者，可能有一个作者在微软的联系人，他可以使计算结果更加清晰。嗨，艾伦。谢谢你的链接。事实上，我没有通过Bing、Google和Yahoo找到文档。关于如何在
相似性
中计算Levenshtein，没有精确的公式吗。然后，我可以返回我需要的原始编辑距离。或者，可能有一个作者在微软的联系人，他可以使计算结果更加清晰。我一直想玩这个，但还没有机会。尽管如此，你所做的看起来非常棒，奥列格。我一直想玩这个，但还没有机会。尽管如此，你所做的看起来绝对精彩。