C# 搜索相似度/亲和力答案

【问题标题】：C# search with resemblance / affinityC# 搜索相似度/亲和力
【发布时间】：2010-11-21 07:41:03
【问题描述】：

假设我们有一个 IEnumerable Collection 和 20 000 个人 个对象项。然后假设我们创建了另一个 Person 对象。

我们想要列出所有与此人相似的人。这意味着，例如，如果姓氏 affinity 超过 90 % ，则将该人添加到列表中。

例如（“安德鲁”与“安德鲁”）

最有效/最快捷的方法是什么？

遍历集合并逐个字符地比较亲和力确定？要么？有什么想法吗？

谢谢！

【问题讨论】：

根据现有的关联函数，您是在寻求帮助编写搜索，还是在编写关联函数时寻求帮助？
我只是问你如何编写亲和力函数。我可以对字符进行比较。但我知道在旧 C 中有类似 mem*** ..
在这种情况下，您需要仔细描述您对“亲和力”的定义，但 Ryan 在 Levenshtein Distance 上的链接应该会很有帮助。
另请注意，Levenshtein 只是比较两个字符串相似度的一种方法。还有很多其他的。

标签： c# search collections

【解决方案1】：

您可能对以下内容感兴趣：

Levenshtein Distance Algorithm

Peter Norvig - How to Write a Spelling Corrector （您会对他将单词与现有单词集合进行比较的部分感兴趣）

【讨论】：

是的，这就是我正在寻找的算法.. 谢谢

【解决方案2】：

根据您需要执行此搜索的频率，蛮力迭代和比较方法可能足够快。两万条记录确实不算多，除非请求的数量很大，否则您的性能可能是可以接受的。

也就是说，您必须自己实现比较逻辑，如果您想要更大程度的灵活性（或者如果您需要提高性能），您可能需要查看类似Lucene.Net 的内容。我见过和使用过的大多数文本搜索引擎都更多地基于文件，但我认为您也可以索引内存中的对象（但我不确定）。

祝你好运！

【讨论】：

【解决方案3】：

我不确定您是在根据现有的关联函数寻求帮助编写搜索，还是在寻求编写关联函数的帮助。所以目前我会假设你完全迷路了。

鉴于此假设，您会注意到我将问题分为两部分，这也是您需要做的。您需要编写一个函数，该函数接受两个字符串输入并返回一个布尔值，指示输入是否足够相似。然后你需要单独搜索一个 delegate 来匹配任何具有这种签名的函数。

您的亲和函数的基本签名可能如下所示：

bool IsAffinityMatch(string p1, string p2)

然后您的搜索将如下所示：

MyPersonCollection.Where(p => IsAffinityMatch(p.Surname, OtherPerson.Surname));

【讨论】：

好吧，我想我没问对，但我真正需要的是那个算法。

【解决方案4】：

我提供了那个 Affinity 方法的源代码：

        /// <summary>
        /// Compute Levenshtein distance according to the Levenshtein Distance Algorithm
        /// </summary>
        /// <param name="s">String 1</param>
        /// <param name="t">String 2</param>
        /// <returns>Distance between the two strings.
        /// The larger the number, the bigger the difference.
        /// </returns>
        private static int Compare(string s, string t)
        {
            /* if both string are not set, its uncomparable. But others fields can still match! */
            if (string.IsNullOrEmpty(s) && string.IsNullOrEmpty(t)) return 0;

            /* if one string has value and the other one hasn't, it's definitely not match */
            if (string.IsNullOrEmpty(s) || string.IsNullOrEmpty(t)) return -1;

            s = s.ToUpper().Trim();
            t = t.ToUpper().Trim();

            int n = s.Length;
            int m = t.Length;
            int[,] d = new int[n + 1, m + 1];

            int cost;

            if (n == 0) return m;
            if (m == 0) return n;

            for (int i = 0; i <= n; d[i, 0] = i++) ;
            for (int j = 0; j <= m; d[0, j] = j++) ;

            for (int i = 1; i <= n; i++)
            {
                for (int j = 1; j <= m; j++)
                {
                    cost = (t.Substring(j - 1, 1) == s.Substring(i - 1, 1) ? 0 : 1);

                    d[i, j] = System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1),
                              d[i - 1, j - 1] + cost);
                }
            }

            return d[n, m];
        }

也就是说，如果返回 0，则 2 个字符串是相同的。

【讨论】：