具有相似性/親和力的C＃搜索

Question

假設我們有一個帶有20 000 Person對象項的IEnumerable Collection 。 然后假設我們創建了另一個Person對象。

我們想列出重新組合此人的所有人員。 這意味着，例如，如果Surname 親緣關系超過90％ ，請將該Person添加到列表中。

例如（“安德魯”vs“安德魯”）

這樣做最有效/最快捷的方法是什么？

迭代集合並將char與char進行比較並進行親和力測定？ 要么？ 有任何想法嗎？

謝謝！

Answer 1

您可能感興趣：

Levenshtein距離算法

Peter Norvig - 如何編寫拼寫校正器 （您會對將單詞與現有單詞集合進行比較的部分感興趣）

Answer 2

根據您需要進行此搜索的頻率，強制迭代和比較方法可能足夠快。 實際上有兩萬條記錄並不是那么多，除非請求數量很大，否則您的性能可能是可以接受的。

也就是說，你必須自己實現比較邏輯，如果你想要很大程度的靈活性（或者如果你需要發現你必須處理性能），你可能想看看像Lucene.Net這樣的東西。 我見過和使用的大多數文本搜索引擎都是基於文件的，但我認為你也可以索引內存中的對象（但我不確定）。

祝好運！

Answer 3

鑒於您現有的親和功能，或者您正在尋求幫助編寫親和功能，我不確定您是否在尋求幫助來編寫搜索。 所以暫時我會假設你完全迷失了。

鑒於這種假設，你會注意到我將問題分成兩部分，這也是你需要做的事情。 您需要編寫一個帶有兩個字符串輸入的函數，並返回一個布爾值，指示輸入是否足夠相似。 然后，您需要一個單獨的搜索委托 ，該委托將匹配具有該類簽名的任何函數。

親和力函數的基本簽名可能如下所示：

bool IsAffinityMatch(string p1, string p2)

然后你的搜索看起來像這樣：

MyPersonCollection.Where(p => IsAffinityMatch(p.Surname, OtherPerson.Surname));

Answer 4

我提供了Affinity方法的源代碼：

        /// <summary>
        /// Compute Levenshtein distance according to the Levenshtein Distance Algorithm
        /// </summary>
        /// <param name="s">String 1</param>
        /// <param name="t">String 2</param>
        /// <returns>Distance between the two strings.
        /// The larger the number, the bigger the difference.
        /// </returns>
        private static int Compare(string s, string t)
        {
            /* if both string are not set, its uncomparable. But others fields can still match! */
            if (string.IsNullOrEmpty(s) && string.IsNullOrEmpty(t)) return 0;

            /* if one string has value and the other one hasn't, it's definitely not match */
            if (string.IsNullOrEmpty(s) || string.IsNullOrEmpty(t)) return -1;

            s = s.ToUpper().Trim();
            t = t.ToUpper().Trim();

            int n = s.Length;
            int m = t.Length;
            int[,] d = new int[n + 1, m + 1];

            int cost;

            if (n == 0) return m;
            if (m == 0) return n;

            for (int i = 0; i <= n; d[i, 0] = i++) ;
            for (int j = 0; j <= m; d[0, j] = j++) ;

            for (int i = 1; i <= n; i++)
            {
                for (int j = 1; j <= m; j++)
                {
                    cost = (t.Substring(j - 1, 1) == s.Substring(i - 1, 1) ? 0 : 1);

                    d[i, j] = System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1),
                              d[i - 1, j - 1] + cost);
                }
            }

            return d[n, m];
        }

這意味着，如果返回0，則2個字符串是相同的。