Elixir 或 Ecto 中最接近的字符串匹配

Question

我正在尝试比较两个基本上是地址的字符串。

我正在尝试使用

jaro_distance

iex(1)> String.jaro_distance("4420 West Main Street", "EUTECTIC CORPORATION QA testing1")
0.49107142857142855

但是这两个字符串之间没有相似之处。

我也尝试过 PSQL

SIMILAR TO

。就这样

  def find_match(seeker_company_id, string, type) do
    search = "%(" <> string <> ")%"
    base_query =
      from op in OpenCorporates,
        where: op.seeker_company_id == ^seeker_company_id

    base_query
    |> type_query(type, search)
    |> Repo.aggregate(:count)
  end

  defp type_query(query, :name, value) do
    from op in query,
      where: fragment("? SIMILAR TO ?", op.name, ^value)
  end

  defp type_query(query, :address, value) do
    from op in query,
      where: fragment("? SIMILAR TO ?", op.registered_address, ^value)
  end

但是如果搜索字符串和实际字符串是这样的

搜索字符串：'

29 SANTA CRUZ COURT PITTSBURG CA 662354553

'和实际地址字符串：'

29 SANTA CRUZ COURT PITTSBURG CA 94565

'

它也失败了。但这里不应该失败，因为大多数字符串都匹配。

那么这里有什么解决方案吗？有没有办法计算匹配的百分比？在上面的例子中，我们可以说它是80%的匹配。

任何指导都会有所帮助，谢谢。

Answer 1

您可能想看看通过 Levenshtein 距离计算或 Hamming 得到了什么。我还要指出 Jaro 距离的计算方式（至少根据维基百科）“分数经过标准化，0 表示完全匹配，1 表示不存在相似性”——分数为 0.49似乎确实表明存在显着差异。