代码之家 › 专栏 › 技术社区 › Jaroslav Záruba

搜索数十或数百个短文本字符串的列表,按相关性排序

search string java

Jaroslav Záruba · 技术社区 · 16 年前

我有一个要搜索的人的列表。我需要知道每一项与它正在测试的字符串“多少”匹配。

这个名单相当小,目前有100多个名字,很可能不会很快达到1000个。
因此,我假设将整个列表保存在内存中,并使用Java提供的一些东西进行搜索,或者使用一些只实现一个或两个测试算法的小型库。(换句话说,不引入任何复杂/过度终止的解决方案来存储索引或依赖数据库。)

在这种情况下,你会选择什么?

编辑:看来列文施泰因和我所需要的最接近。只有当搜索查询为“john”且列表中的名称明显更长时,才容易被愚弄。

4 回复 | 直到 14 年前

Mikos 16 年前

您应该看看各种字符串比较算法,看看哪一种最适合您的数据。可供选择的有Jaro Winkler、Smith Waterman等。 SimMetrics -一个F/OSS库,提供一组非常全面的字符串比较算法。

Vijay Mathew Chor-ming Lung 16 年前

如果你要找一个“多少钱”的匹配,你应该使用 Soundex . Here 是该算法的Java实现。

Adriaan Koster 16 年前

看看双变音,1990年改进的Soundex。

ameykpatil 14 年前

根据我的说法,Jaro Winkler算法将最适合您的需求。这里是一个 Short summary of Jaro-Winkler Distance Algo 比较不同算法的PDF之一--> Link to PDF

推荐文章

Aidan · 为什么在将最后一个索引分配给空终止符(\0)后,我无法释放char缓冲区

1 年前

Ben · 统计向量中的单词在字符串中出现的频率

1 年前

Mehan Alavi · TCP Socket-打印字符串中所有不在C中的字符不起作用

1 年前

Haru Hoshizora · 为什么一个整数的位置没有改变,但值却不同

1 年前

bear_525 · 从列中删除中间名和首字母,并保存在单独的列中

1 年前

asdfadf · 为什么具有相同内存值的字符串和整数打印方式不同?

1 年前

DrakeMurdoch · 统计每行中的字符数,如果所有字符数都低于某个数字,则删除

1 年前

user764754 · 防止多行原始字符串文字中出现新行字符

1 年前

Bogaso · 从列表中返回与模式匹配的元素

1 年前

Jasco · 如何使用VBA提取两个相似字符之间的字符串中的单词?

1 年前