【发布时间】：2015-10-12 15:56:55
【问题描述】：
使用 Excel 2010 和 Microsoft“模糊查找”添加来比较 2 个工作表中的一列。第一个工作表有大约 48,000 行（x 3 列），第二个工作表有大约 23,000 行（x 5 列）。 “模糊查找”是比较每一列中的一列并返回两者之间的相似性。
模糊查找运行似乎没有问题，并且结果（在大多数情况下）似乎是正确的。例如：
W2-NK22/16 在一个工作表中显示与W2NK2216 的相似度为 0.97。
但并非在所有情况下。有些我希望有某种程度的相似性，而不是加载项返回 0.000。例如：
761689700000
应该与：
761689700000EN4239
但模糊查找添加返回 0.000。这两个字段都被格式化为文本。它们之前或之后都没有空格，并且前 12 个字符是相同的。
我已经卸载并重新安装了插件，并使用了默认设置。我更改的唯一其他模糊查找设置是在配置 --> 全局 -- UseApproximateIndexing 中。我已将其设置为 False 和 True，但没有任何影响。
我有数百个类似上述示例的示例，它们的相似度为 0.000，但经过检查似乎非常相似。它们之前和之后的行显示出不同程度的相似性。
任何关于为什么这似乎无法正常工作的想法或想法，或者进行这种近似匹配的更好方法将不胜感激。
【问题讨论】：
-
我想知道它是否将每个条目视为一个标记而不是每个字母一个标记。将
761689700000EN4239更改为761689700000 EN4239并使用空格并再次运行。如果它现在认为它们是匹配的，那就是一个象征性的问题。很高兴知道，但我不知道如何解决它。 -
@DickKusleika - 我刚刚从 2015 年 1 月开始阅读您的（非常好的）文章 - 这是我发现的更有帮助的文章之一。我按照你的建议做了（chg ...700000EN4239 到 ....700000 EN4239） - 现在它返回正确的条目，相似度为 0.90。如果不出意外，至少我明白为什么每个相同的 12 个字符不匹配。为什么每个条目都是一个标记而不是每个字符对我来说没有多大意义，因为它决定了相似性。我猜要让它按字符工作，开销会很大。
-
如果没有空格或其他特殊字符，我似乎是一个好主意逐个字符地标记。有了插件拥有的所有选项，我想知道它是否有一个会迫使这种情况发生的选项。不幸的是，我们已经达到了我在这方面的知识极限。我看到的所有设置都没有希望。
-
@DickKusleika - 您知道模糊查找工具使用什么来确定令牌是什么吗？显然是一个空格（来自你的测试） - 我有各种各样的字符，我认为它们表示一个新的标记（破折号、斜杠、句点、逗号等）。我在 Excel 中有一个 UDF，用于在字母和数字之间放置空格（上面现在是 3 个标记）。你会认为任何不是 0-9、A-Z、a-z 的都是一。有什么想法吗？再次感谢您的帮助！
-
根据msdn.microsoft.com/en-us/library/ms137786.aspx
The transformation provides a default set of delimiters used to tokenize the data, but you can add token delimiters to suit the needs of your data.但我不知道你是怎么做的或者在哪里做的。另请参阅blogs.adatis.co.uk/blogs/jeremykashel/archive/2013/07/05/…
标签： excel similarity fuzzy-logic vba