如何在雪花中进行模糊匹配 / SQL

Question

如何在 Snowflake / SQL 中进行模糊匹配

这是业务逻辑

The ABC Company INC, The North America, ABC（这两个应该显示匹配）

16K LLC，16K LLC（这两个应该显示匹配）在此处输入图像描述我附上了一些测试数据。 非常感谢你们！

Answer 1

任何将字符串对（如“The ABC Company INC”和“The north America, ABC”或“Preferred ABC Group”和“The Preferred Residences”视为匹配项的任何匹配尝试都可能会给您带来许多误报匹配，因为在在您的一些示例中，字符串之间只有一个词相似。

也就是说，Snowflake 确实提供了一些可能有帮助的函数： EDITDISTANCE和JAROWINKLER_SIMILARITY 。

EDITDISTANCE生成一个数字，表示两个字符串之间的Levenshtein 距离（基本上是将一个字符串更改为另一个字符串所需的编辑次数）。 较低的数字表示需要较少的编辑，因此可能更接近匹配。

JAROWINKLER_SIMILARITY使用一种算法来计算两个字符串的“相似度”分数在 0 到 100 之间。 数字越大表示相似度越高，100 表示完全匹配。

您可以使用这些函数中的一个或两个来为每对字符串生成分数，然后根据您的目的确定最能代表匹配的阈值。