关于字符串匹配的一些问题

2015-10-30 08:51:40 348 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

[dp]Search 字符串匹配问题 Problem D Search Time Limit: 1000ms, Memory Limit:64MB Description When we search for something on internet, we always use two characters “” and “?”. ”” represents 0 or more lowercase letters，”?” r 阅读详情

当初数据库的某张表的公司信息录入时不够规范，name字段出现了【广东省微生物所】和【广东微生物研究所】这样的相似公司名情况，而这两个公司又都有相关的委托单产生。
现在想对这些数据整理，想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据，请教一下各位大神有什么好的方法建议一下。ORACLE刚刚上手，懂得不多，请多多指教！

...全文

FFT处理字符串匹配问题现在我们拥有一个文本串B一个模式串A，询问A在B中出现的次数很显然这是一个KMP的裸题，但是现在不考虑使用KMP，使用FFT来找A在B中出现的次数首先定义函数 P(x)=∑i=0m−1(A(i)−B(x−m+i+1))P(x)=\sum_{i=0}^{m-1}(A(i)-B(x-m+i+1))P(x)=i=0∑m−1(A(i)−B(x−m+i+1)) 这个函数代表，字符串A在B中匹配以x为最... 阅读详情

limsim

Oracle 高级技术 3,499 成员 18,710 内容

+ 关注 + 加入社区

切换为时间正序

BenChiM888 2015-11-20

打赏
举报

关键字确定关键字模糊查询数据清洗

limsim 2015-11-18

打赏
举报

引用 6 楼 chengccy 的回复:

[quote=引用 5 楼 u013128938 的回复:] [quote=引用 4 楼 chengccy 的回复:] oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据。这个函数好像是要已经知道这两个文本，才能进行匹配。我现在的情况是不知道这些字段，想找出来。[/quote] 这样的话只能写个procedure咯，先构建一个中间表A，然后用游标遍历业务表，用上面这个函数判断表A中是否存在相似度>X的记录，有就continue，没有就写入到表A，这样做的话会有点慢。[/quote] 可不可以提供一些相关的语句给我参考一下，谢谢！

limsim 2015-10-30

打赏
举报

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据。这个函数好像是要已经知道这两个文本，才能进行匹配。我现在的情况是不知道这些字段，想找出来。

chengccy 2015-10-30

打赏
举报

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

beyon2008 2015-10-30

打赏
举报

根据实际数据的规则来梳理，多看下数据找出规则来，然后根据规则update

limsim 2015-10-30

打赏
举报

引用 1 楼 xu176032 的回复:

想要得到结果，就要从你的业务场景中梳理出来这些数据有什么共同点，比如你提供的这两条数据就可以用 like '广东省微生%'来提取，其他的相似数据，就需要你自己去总结有什么特点，然后才能提取处理。

这个表单里有接近10W条数据，里面可能有2,3W条是类似的，一个一个提取的话，很费时间精力...

xu176032 2015-10-30

打赏
举报

想要得到结果，就要从你的业务场景中梳理出来这些数据有什么共同点，比如你提供的这两条数据就可以用 like '广东省微生%'来提取，其他的相似数据，就需要你自己去总结有什么特点，然后才能提取处理。

chengccy 2015-10-30

打赏
举报

引用 5 楼 u013128938 的回复:

[quote=引用 4 楼 chengccy 的回复:] oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

关于字符串匹配的一些问题

相关推荐