2个符号oracle之间的相似性

Question

包含超过 300 万行姓名（姓名、姓氏、父亲姓名）的表格。我希望检查相似性超过 90%。 我使用了许多模糊算法以及 utl_match 相似性（jaro_winkler、edit_distance）。 这些算法的性能不佳。 （超过 20 秒。） 我想检查变化的地方，但它的工作时间很长。像： 姓名 姓 父名， 姓名父亲姓氏， 姓 名 父名, ………… 我找不到任何性能良好的算法，它适用于事务系统。

Answer 1

您不需要每次都检查所有 300 万个名称，因为您的数据库中有重复项。您还可以做的是将您的条目以最远的距离预先聚集在这些条目中，然后使用不同的入口点。

所以在第一步中创建你的入口点：

Miller
Smith
Yang
...

然后用 > 与这个入口点进行检查，例如 70%，然后深入到你匹配得很好的集群。这应该会修剪大部分搜索并使您的算法更快。