String 名称的近似字符串匹配算法

我正在为以下示例寻找模糊字符串算法：给定一个现有名称的数据库，如果匹配精度高于输入阈值（比如90%），则将输入匹配到最佳匹配名称，否则为NA

database = [James Bond, Michael Smith]

输入

---

目前，大多数算法，如Levenstein和基于语音的算法，如Soundex，无法匹配像BondJames这样的倒装名。到目前为止，余弦和Jacquard产生了最好的结果，但我正在寻找更多，以便我可以选择最好的算法或可能的组合算法。

根据您的示例，我会考虑：

• 将输入中的n1-名称和数据库中的n2-名称分离为单词（通过分隔符和大写字母）：n1->{u1，u2，…}，n2->{v1，v2，…}
• 求n2中使s=和（L（u，v））最小的单词顺序排列，其中L是Levenshtein距离
• 选择最小化s的数据库条目

---

当L1和L2中的单词数不匹配时，您应该“惩罚”。

好主意，Lior，谢谢。一个问题：在没有逗号或大写字母的情况下，您如何分离jamesbond？我可以想到的一种方法可能是一种允许1-2个字符组交换/重新定位而不受任何惩罚的算法。（最大值为2，因为可能有三个组-例如herbertbondjames）我想不出一个现有的算法可以做到这一点，或者任何其他算法可以考虑bondjames->jamesbond的标准。当输入名称有一个单词时，不要将其分开，我将以不同的排列方式连接构成数据库名称的单词，并最小化L（u，v1 | | | v2 | | |……）。（“| |”表示串联）。

James L Bond->James Bond
JBondL->James Bond
Bond,James->James Bond
BandJamesk->James Bond
Jenny,Bond->N/A