如何使用 jaro-winkler 查找表中最接近的值？

Question

我的数据库中有一个 jaro-winkler 算法的实现。这个函数不是我写的。该函数比较两个值并给出匹配的概率。

所以 jaro(string1, string2, matchnoofchars) 将返回结果。

我不想比较两个字符串，而是想发送一个带有 matchnoofchars 的字符串，然后得到概率高于 95% 的结果集。

例如，当前函数能够为 jaro("Philadelphia","Philadelphlaa",9) 返回 97.62%，

我希望调整此函数，以便能够为“Philadelphia”的输入找到“Philadelphia”。我需要做出什么样的改变才能实现这一点？

我正在使用Oracle 9i。

Answer 1

您有包含类似“费城”这样的单词的单词列表吗？

谁写了这个函数？

Oracle 有用于模糊文本比较的 utl_match 包： http:// /download.oracle.com/docs/cd/E14072_01/appdev.112/e10577/u_match.htm

你不能

选择w1.word 吗
来自单词 w1
其中 jaro(w1.word,'费城', 9) >= 0.95

？

如果表单词中存在该单词，则将选择“费城”。

Answer 2

有点脏但更快（未经测试！）。

我们假设前三个字符相同并且长度也大致相同。

DECLARE
  CURSOR citynames(cp_start in varchar2, cp_length in number) IS
    SELECT city FROM table_loc_master where statecode = 'PQ'
    and   city like cp_start||'%'
    and   length(city) between cp_length -2 and cp_length +2;
  CURSOR leasecity IS
    SELECT city FROM table_loc where State = 'PQ'
    MINUS
    SELECT to_char(city) city FROM table_loc_master where statecode = 'PQ';
  xProb NUMBER(10,8);
BEGIN
  FOR x_rec IN leasecity
  LOOP
      FOR y_rec IN citynames(substr(x_rec.city,1,3), length(x_rec.city))
      LOOP
            xProb := jwrun(x_rec.city,y_rec.city,length(y_rec.city));
            If xProb > 0.97 Then
               DBMS_OUTPUT.PUT_LINE('Source : ' || x_rec.city || ' Target: ' || y_rec.city );
            End if;
      END LOOP;
  END LOOP;
END;

Answer 3

DECLARE
  CURSOR citynames IS
    SELECT city FROM table_loc_master where statecode = 'PQ';
  CURSOR leasecity IS
    SELECT city FROM table_loc where State = 'PQ'
    MINUS
    SELECT to_char(city) city FROM table_loc_master where statecode = 'PQ';
  xProb NUMBER(10,8);
BEGIN
  FOR x_rec IN leasecity
  LOOP
      FOR y_rec IN citynames
      LOOP
            xProb := jwrun(x_rec.city,y_rec.city,length(y_rec.city));
            If xProb > 0.97 Then
               DBMS_OUTPUT.PUT_LINE('Source : ' || x_rec.city || ' Target: ' || y_rec.city );
            End if;
      END LOOP;
  END LOOP;
END;