python中基于优先级序列的序列匹配器答案

【问题标题】：Sequence matcher in python based on priority sequencepython中基于优先级序列的序列匹配器
【发布时间】：2018-07-06 01:35:09
【问题描述】：

我正在尝试从股票名称列表中找到最匹配的单词，并且我希望优先考虑前面的单词而不是后面的单词，尽管后面的单词可能有更多的字符。

例如。

“SG HOLDINGS”与“S2 HOLDINGS”

sequence matcher 将显示这两个词与“SG HOLDING”与“SG Corp”相比具有更高的相似率，但后者实际上是我正在寻找的公司。我怎样才能让股票名称前面的单词更加重要？还有其他我可以使用的库吗？

谢谢

【问题讨论】：

欢迎来到 StackOverflow！请帮助我们通过展示您目前拥有的东西来帮助您。

标签： python weighting sequencematcher

【解决方案1】：

如果所有名称的格式都为PREFIX SUFFIX，您可以拆分名称并将序列匹配器首先应用于前缀，然后应用于后缀，然后将距离（比如Levenshtein distance）打包回元组，您会得到：

1. ('SG', 'HOLDINGS') vs ('S2', 'HOLDINGS') → (1, 0)
2. ('SG', 'HOLDINGS') vs ('SG', 'Corp')     → (0, 8)
3. ('SG', 'HOLDINGS') vs ('SG', 'HOLD')     → (0, 4)
4. ('SG', 'HOLDINGS') vs ('S2', 'HOLDING')  → (1, 1)

当您按升序对这些距离元组进行排序时，排序将是[3, 2, 1, 4]。

如果股票名称包含不同数量的单词，您可以计算最长名称中的单词（例如，最长的名称是“Samsung Electronics Ord Shares”；它包含 4 个单词），然后扩展所有其他名称 -在计算距离之前，用空字符串对元组进行部分匹配以匹配此长度。即，您将使用：('SG', 'HOLDINGS', '', '')。

新的距离：

1. ('SG', 'HOLDINGS', '', '') vs ('S2', 'HOLDINGS', '', '') → (1, 0, 0, 0)
2. ('SG', 'HOLDINGS', '', '') vs ('SG', 'Corp', '', '')     → (0, 8, 0, 0)
3. ('SG', 'HOLDINGS', '', '') vs ('Samsung', 'E', 'O', 'S') → (6, 8, 1, 1)

现在排序为[2, 1, 3]。

【讨论】：

您好，股票名称可能包含多个单词。例如“Samsung Electronics Ord Shares”，有没有一种方法可以根据动态字长确定？谢谢
感谢 K3-mc，我可能没有正确提出这个问题。我想说的是，有诸如“Samsung Electronics Ord Shares”与“Samsung Electronics Pref Shares”之类的例子。如何计算距离并以编程方式对其进行排序？有我可以使用的包吗？谢谢
按照上述方法，两个字符串（“Samsung Electronics Ord Shares”与“Samsung Electronics Pref Shares”）的距离将为(0, 0, 4, 0)，并进行相应的排序。但是你必须自己编码。整个内容不到 20 行。