选择性编辑距离

Question

我有类似的数据

Mega Mall
Mega Malls
L & T Gate 6
L & T Gate 5
L & T Gate 2
Megas Mall
Mega Mwll

现在我想清理它。我使用编辑距离 1 采用了编辑距离方法，并处理了 Mega Mall 案例。缺点是它也删除了 L & T Gate 5,2 [我保留了第一个条目]。有什么办法可以处理这个问题，不删除这些案例和处理错别字等。

Answer 1

是的，您可以使用 加权 形式的编辑距离，而无需真正改变算法或其时间或空间复杂度。当涉及的字符（或其中一个字符，用于替换）是数字时，不要将任何替换、插入或删除计为 1，而是将其计为更大的数字。

甚至可以对字符串中特定的位置进行不同的加权。例如。您可能会认为紧跟在 1 个或多个数字后面的每个字母都应该被视为更重要（因为例如地址 123B 与 123 非常不同）。