查找两个字符串之间的匹配百分比，同时考虑单词的顺序 - Python

Question

我正在寻找一种方法来输出两个字符串（例如：名称）之间的匹配百分比，同时还考虑到它们可能相同但单词的顺序不同。我尝试使用 SequenceMatcher() 但结果只是部分令人满意：

a = "john doe"
b = "jon doe"
c = "doe john"
d = "jon d"
e = 'john do'

s = SequenceMatcher(None, a, b)
s.ratio()
0.9333333333333333

s = SequenceMatcher(None, a, c)
s.ratio()
0.5

s = SequenceMatcher(None, a, d)
s.ratio()
0.7692307692307693

s = SequenceMatcher(None, a, e)
s.ratio()
0.9333333333333333

除了第二个结果，我对所有结果都满意。我注意到它没有考虑到 c 包含与 a 相同的词，但 a 顺序不同。

在我上面提到的情况下，有没有其他方法可以匹配字符串并获得更高的匹配率。还应考虑到名称可能包含两个以上的单词。

谢谢！

Answer 1

这取决于您对增强匹配的期望。如果你认为第二个应该是1.0，那么很简单：将字符串拆分成单词，对单词进行排序，然后应用SM（SequenceMatcher）。如果你想对排序进行匹配惩罚，你可以使用任何转换函数来测量两个单词列表之间的距离，并将其用作最终匹配的一个因素。

这对您有帮助吗？

Answer 2

您可以使用其他字符串相似度算法。相似性算法的选择广泛基于使用情况。谨慎选择！

因此，库 textdistance has many text distance algorithms. The best for your case would be to use Sorensen dice similarity or Jaccard 相似度。

代码：

import textdistance as td

a = "john doe"
c = "doe john"
print(td.sorensen.normalized_similarity(a,c))

输出：

1.0

查找两个字符串之间的匹配百分比，同时考虑单词的顺序 - Python

Find match percentage between two strings also taking intro consideration the order of the words - Python

python

algorithm

string-matching

sequencematcher