用于比较人名以检测相同性的算法

Posted 2021-04-14

我正在研究地址簿同步算法。如果存在，我想重用一些代码，但还没找到。

有人知道一个算法会告诉我在数字/浮点数/过程中有多少两个名字相同。 Levenstein距离在这种方法中并不好，因为名称和我们的地址簿与每个名称部分的开头相匹配。

John Smith应该匹配 Smith Jon，Jonathan Smith，Johnny Smith

答案

看看Jaro Winkler算法也是如此。这对名字有好处。 http://en.wikipedia.org/wiki/Jaro%E2%80%93Winkler_distance

如果你有名字，姓氏问题那么你可以对它们进行排序，以确保史密斯约翰被保存为约翰史密斯

另一答案

您应该查看字符串比较算法，如Levenshtein或Smith-Waterman。这是a great library让你入门

另一答案

要真正得到这些案例，你可能需要一个别名表，但我认为Soundex会让你接近。

http://commons.apache.org/codec/apidocs/org/apache/commons/codec/language/Soundex.html

另一答案

对于名字，我想出了一个类似于metaphone的算法。

你还需要一些逻辑来将字符串分解为姓氏，给定名称，标题等。它可能会变得复杂。

有边缘情况。如果有人拥有“教授”这个标题，你不希望将其解释为名字。如果他们在开始时有“主”，可能是他们的名字（很多人被称为主）或他们的头衔。等等。如果你的名字已经以标准形式出现，你知道他们的姓氏，名字和头衔，这是最好的。

我写了一些php代码来执行此操作：请参阅name（请参阅similarityto（）函数），textfuzzy，probability。