1

对这个名称列表进行分组的好方法是什么：

Doctor Watson.
Dr. John Watson.
Dr. J Watson.
Watson.
J Watson.
Sherlock.
Mr. Holmes.
S Holmes.
Holmes.
Sherlock Holmes.

进入唯一和完整名称的分组列表：

Dr. John Watson.
Mr. Sherlock Holmes.

也很有趣：

Mr Watson
Watson
Mrs Watson
Watson
John Watson

由于该算法不需要推断第一个 Watson 是 Mr（可能）还是 Mrs，而只需要对它们进行唯一分组，因此这里唯一的问题是 John Watson 显然属于 Mrs 而不是 Mrs Watson。如果没有每个性别的名字字典，就无法推断出这一点。

到目前为止，我已经考虑过遍历列表并检查每个项目与剩余项目。在每场比赛中，您分组并从头开始，并在没有分组发生的第一次通过时停止。

这是一些粗略的（仍然未经测试的）Python。你会用一个名字列表来调用它。

def groupedNames(ns):
    if len(ns) > 1:
        # First item is query, rest are target names to try matching
        q = ns[0]
        # For storing unmatched names, passed on later
        unmatched = []
        for i in range(1,len(ns)):
            t = ts[i]
            if areMatchingNames(q,t):
                # groupNames() groups two names into one, retaining all info
                return groupedNames( [groupNames(q,t)] + unmatched + ns[i+1:] )
            else:
                unmatched.append(t)
    # When matching is finished
    return ns
4

2 回答 2

2

如果您的姓名始终采用 形式[honorific][first name or initial]LastName，那么您可以从按姓氏提取和排序开始。如果某些名称具有 形式LastName[,[honorific][first name or initial]]，您可以解析它们并转换为第一种形式。或者，您可能希望将所有内容转换为其他形式。

在任何情况下，您都可以将名称放入某种规范形式，然后按姓氏排序。你的问题大大减少了。然后，您可以在姓氏组中按名字和敬语排序，然后依次浏览它们以从片段中提取完整的名字。

正如您所指出的，您必须解决一些歧义。例如，您可能有：

John Watson
Jane Watson
Dr. J. Watson

没有足够的信息来说明两者中的哪一个（如果有的话！）是医生。而且，正如您所指出的，如果没有有关姓名性别的信息，您将无法解析Mr. J. Watsonor Mrs. J. Watson。

于 2012-04-14T19:47:11.787 回答
0

我建议在这里使用散列。将哈希函数定义为将名称解释为以 26 为基数的数字，其中 a = 0 和 z = 25 现在只需对单个单词进行哈希处理。所以

h（福尔摩斯）= h（夏洛克）+ h（福尔摩斯）= h（福尔摩斯）+ h（夏洛克）。

使用它，您可以轻松识别名称，例如：

约翰·沃森和沃森·约翰

对于像 Dr. John Watson 和 Mr John Watson 这样的歧义，您可以将 Mr 和 Dr 的哈希值定义为相同。

要解决像 J. Watson 和 John Watson 这样的冲突，您可以只对第一个字母和姓氏进行哈希处理。您可以扩展类似冲突的想法。

于 2012-04-14T20:04:49.233 回答