【发布时间】：2014-10-08 00:24:14
【问题描述】：
我有大约 300 万字来自许多论文研究。
我想根据元数据过滤那些研究。
研究是关于汽车、书籍、食物的。
例如，我有一个包含元数据Toyota的文档
我有另一个包含元数据的文档Toiota
注意Toiota 与Toyota 相同
请问有什么方法可以解决这个问题？
我尝试过的
我用词干作为词根。
我先把第一个词干掉
我把第二个词干掉了
比较两个根。
我的问题
词干只作用于有意义的词。例如，eating, eat, ate。但是当这个词没有像Toyota这样的含义时，它的词根就是同一个词。
另一个问题
在这种情况下，词干也不起作用：
美国不等于美国，但逻辑上它们是相同的。
谁也有更好的方法？
我不知道 StackOverFlow 中有哪些可用的标签可以解决我的问题，所以欢迎您添加标签。
更新 1
我想在谷歌搜索这个问题，但我不知道搜索时要使用正确的词，你能帮我看看吗？
【问题讨论】：
-
您可以进行一些距离匹配，但品牌名称几乎无法解决（例如 Lyft 不应与 Lift 相同）。
-
@VonLion 品牌名称根本没有解决方案？
-
@VonLion 我已经更新了我的问题，你能检查一下吗？
-
我不知所措（无论如何都不是人工智能专家），但也许其他人会加入:)
标签： algorithm information-retrieval