名称分组算法答案

【问题标题】：Algorithm for grouping names名称分组算法
【发布时间】：2012-04-26 16:11:07
【问题描述】：

有什么好方法可以对这个名字列表进行分组：

Doctor Watson.
Dr. John Watson.
Dr. J Watson.
Watson.
J Watson.
Sherlock.
Mr. Holmes.
S Holmes.
Holmes.
Sherlock Holmes.

进入唯一完整名称的分组列表：

Dr. John Watson.
Mr. Sherlock Holmes.

也很有趣：

Mr Watson
Watson
Mrs Watson
Watson
John Watson

由于算法不需要推断第一个 Watson 是 Mr（可能）还是 Mrs，而只是将它们唯一分组，因此这里唯一的问题是 John Watson 显然属于 Mr 而不是 Mrs Watson。如果没有每个性别的名字字典，就无法推断出来。

到目前为止，我已经考虑过遍历列表并检查每个项目与剩余项目。在每场比赛中，您分组并从头开始，并在没有分组发生的第一次通过时停止。

这里有一些粗略的（仍然未经测试的）Python。您可以使用名称列表来调用它。

def groupedNames(ns):
    if len(ns) > 1:
        # First item is query, rest are target names to try matching
        q = ns[0]
        # For storing unmatched names, passed on later
        unmatched = []
        for i in range(1,len(ns)):
            t = ts[i]
            if areMatchingNames(q,t):
                # groupNames() groups two names into one, retaining all info
                return groupedNames( [groupNames(q,t)] + unmatched + ns[i+1:] )
            else:
                unmatched.append(t)
    # When matching is finished
    return ns

【问题讨论】：

这是作业吗？如果是这样，它应该被标记为这样。

标签： algorithm grouping

【解决方案1】：

如果您的姓名始终采用[honorific][first name or initial]LastName 的形式，那么您可以先提取并按姓氏排序。如果某些名称具有LastName[,[honorific][first name or initial]] 的形式，您可以解析它们并转换为第一种形式。或者，您可能希望将所有内容转换为其他形式。

在任何情况下，您都可以将名称放入某种规范形式，然后按姓氏排序。你的问题大大减少了。然后，您可以在姓氏组中按名字和敬称排序，然后依次遍历它们以从片段中提取完整的名字。

正如您所指出的，您必须解决一些模棱两可的问题。例如，您可能有：

John Watson
Jane Watson
Dr. J. Watson

没有足够的信息来说明这两者中的哪一个（如果有的话！）是医生。而且，正如您所指出的，如果没有有关姓名性别的信息，您将无法解析 Mr. J. Watson 或 Mrs. J. Watson。

【讨论】：

很好的建议，你也可以得到像约翰这样的名字，它不会告诉你他们是否有名字或姓氏，所以我可能需要以不同的方式比较它们。我正在考虑将首字母扩展到部分并部分匹配一组给定名称

【解决方案2】：

我建议在这里使用散列。将哈希函数定义为将名称解释为基数为 26 的数字，其中 a = 0 且 z = 25 现在只需散列单个单词。所以

h(sherlock holmes) = h(sherlock) + h(holmes) = h(holmes) + h(sherlock)。

使用它，您可以轻松识别以下名称：

约翰·沃森和沃森·约翰

对于像 Dr. John Watson 和 Mr John Watson 这样的歧义，您可以将 Mr 和 Dr 的哈希值定义为相同。

要解决像 J. Watson 和 John Watson 这样的冲突，您可以只对第一个字母和姓氏进行哈希处理。您可以扩展类似冲突的想法。

【讨论】：