Levenshtein距离/string匹配algorithm的短语
我有两个电子表格，每个电子表格都提供有关在工作networking上运行的一大堆应用程序的信息。 他们是由两个独立的人创造的，他们从来没有见过这样的人。
因此，它们给予应用程序的名称在表单之间是不固定的。 但是，它们是相似的。 例如，可能会调用一个应用程序“Office 2010”，另一个“MS Office 10”或其他东西。
我已经查阅了Levenshteinalgorithm，但是这似乎只适用于单词顺序不变的单个单词或短语，而只有拼写不同。 （我不是计算机科学家，请随时纠正我）。
因此，我正在寻找一种algorithm，对于一个表中的每个名称，可以遍历另一个表中的每个名称并find最接近的匹配。 不一定是完美的，任何事情都会有所帮助。
有任何想法吗？ 感谢所有能够帮助的人。
Levenshtein距离是编辑距离的一种普遍forms，它编辑编辑的数量 – 插入，删除和replace – 将一个string转换为另一个string。 你是对的，它不能很好地处理换位，但取决于你的需求，它仍然可以完成这项工作。
模糊string匹配是一个启发式的领域，所以最好的做法是四处游玩，以达到您的具体目标。 例如，可以尝试通过对文本进行折叠来对文本进行预处理，然后在编辑距离之前按照字典顺序对令牌进行sorting，这在很多情况下有助于进行换位。 如果一个string是另一个string的近似子string，那么也可以减去两个string之间的绝对长度差异，但要小心，因为如果这样做，空string将匹配所有内容。
总的来说，你总是会在特异性和敏感性之间进行权衡，所以诀窍就是简单地调整启发式的方式，使其以你所熟悉的方式执行。