列中SAS中的类似字符串组

Question

我有下表：

Name
----
John Smith
John Smth
Jane Lee
Jane Line
Timothy Brown
Timmothy Brown
Agnes James
Aaron James

使用SAS，如何大规模分组这些字符串以识别那些相似的字符串，以便我可以获得此表：

Name
----
John Smith
John Smth
Timothy Brown
Timmothy Brown

Answer 1

SAS中有很多方法可以进行字符串的比较。一个简单的示例是使用soundex找到两个类似声音的字符串。

data have;
input Name $char20.;
datalines;
John Smith
John Smth
Jane Lee
Jane Line
Timothy Brown
Timmothy Brown
Agnes James
Aaron James
;

proc sql;
  create table want as
  select 
    A.name
  , B.name as name2
  , soundex(A.name) as sxname
  , soundex(B.name) as sxname2
  from have a
  cross join 
  have b
  where a.name lt b.name
  having sxname = sxname2
  ;

其他技术将使用基于Levenshtein编辑距离等度量的匹配标准，该距离可以使用complev计算。您还可以了解有关spedis的更多信息。

搜索如何使用SAS功能进行模糊匹配，您将获得很多咀嚼。请留意查尔斯·帕特里奇（Charles Patridge）的论文