C＃比較字符串和縮寫

Question

我正在嘗試將完整字符串與其縮寫版本進行比較，並根據其相似性返回分數。

這是一個例子：

Quarta Vara Civel Santana de Parnaiba

以及可能的縮寫

Qta VC Sta Parnaiba

QVC Sta Pba

4 VC Sta Parnaiba

我嘗試使用FuzzyStrings dll來執行此操作，但是當涉及第二個和第三個示例的嚴重縮寫時，它不能很好地工作。

關於如何處理此問題的任何想法？

Answer 1

使用此答案中的Jaro-Winkler距離類，該類優先考慮匹配的前綴，並將每個縮寫成分與短語單詞進行比較（選擇最大匹配項以補償跳過的單詞），我們可以編寫以下擴展名：

public static class StringExt {
    public static double JaroWinklerDistance(this string s1, string s2) => JaroWinkler.proximity(s1, s2);

    private static Regex AbbrevSplitRE = new Regex(@" |(?=\p{Lu})", RegexOptions.Compiled);
    public static double AbbrevSimilarity(this string abbrev, string phrase) {
        var phraseWords = phrase.Split(new[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
        return AbbrevSplitRE.Split(abbrev)
                            .Where(aw => !String.IsNullOrEmpty(aw))
                            .Zip(Enumerable.Range(0, phraseWords.Length),
                                 (aw, pwp) => Enumerable.Range(pwp, phraseWords.Length-pwp).Select(n => aw.JaroWinklerDistance(phraseWords[n])).Max()
                            )
                            .Sum() / phraseWords.Length;
    }    
}

注意：正則表達式在每個空格或大寫字母處定義縮寫成分。

然后，我們可以將每個縮寫（以abbrevs為abbrevs ）與原始phrase ：

var ans = abbrevs.Select(Abbrev => new { Abbrev, Similarity = Abbrev.AbbrevSimilarity(phrase) });

對於您的示例，我得到以下答案：

      Abbrev        |     Similarity
Qta VC Sta Parnaiba | 0.65001322751322754
Q V C Sta Pba       | 0.60371693121693126
4 VC Sta Parnaiba   | 0.53890211640211649

根據我的最終目的，我可能會為較短的縮寫添加權重。