如何使用基于 SQL Server 或 R 中的多个列的类似匹配来比较两个表

Question

我这几天一直在寻找解决方案。我有两个包含以下字段的表

• 表 1 - OEM_NAME, OEM_MODEL, SUPPLIER - contains 413000 records
• 表 2 - OEM_Name, Model, Supplier_Name, SUPPLIER_MODEL - contains 208000 records

问题是字段值不完全匹配，我试图在连接条件中使用多个字段的两个表之间实现类似的比较。但是，此查询需要永远执行。有没有更好的方法来实现两个具有多个字段的表之间的相似比较。我熟悉 SQL Server 和 R，所以我非常感谢任何可以在这些平台之一中工作的解决方案/指导。

SELECT COUNT(*)
  FROM Catalog_Table as CAT
  INNER JOIN POPULATION_TABLE AS POP
  ON POP.OEM_NAME LIKE CONCAT(CAT.OEM_NAME,'%') 
   AND POP.OEM_MODEL LIKE CONCAT(CAT.MODEL,'%') 
   AND POP.SUPPLIER LIKE CONCAT(CAT.SUPPLIER_NAME,'%') 

更新：

样本数据：

Sample Data

我还尝试了另一种方法来解决这个问题。我将两个表中的输入字段连接起来形成一个键，并尝试使用这个连接的单个字段来执行匹配 - 精确距离和 Levenshtein 距离（模糊匹配）

期望的结果：

这里的目标是执行相似匹配，然后手动扫描匹配的记录以查看匹配是否有意义。

Answer 1

你应该尝试这样的事情::

SELECT COUNT(*)
FROM Catalog_Table as CAT
INNER JOIN POPULATION_TABLE AS POP
ON POP.OEM_NAME LIKE CONCAT(CAT.OEM_NAME,'%') 
AND LEFT(POP.OEM_MODEL, LEN(POP.OEM_MODEL)-3) LIKE CONCAT(LEFT(CAT.MODEL,LEN(CAT.MODEL)-3), '%')
AND LEFT(POP.SUPPLIER, LEN(POP.SUPPLIER)-3) LIKE CONCAT(LEFT(CAT.SUPPLIER_NAME, LEN(CAT.SUPPLIER_NAME)-3), '%')
AND LEFT(POP.CATALOG_MODEL, LEN(POP.CATALOG_MODEL)-3) LIKE CONCAT(LEFT(CAT.SUPPLIER_MODEL,LEN(CAT.SUPPLIER_MODEL)), '%') 

如果你赶上我的漂移嘿嘿嘿