java - 任何用于匹配名称的消歧工具/API？

Question

给定两个名称的表示方式有所不同，是否有任何 API/工具/算法可以对名称的相似/不同程度进行评分？

Tim O' Reilly 是一个输入，T Reilly 是另一个输入。这两者之间返回的分数应该小于 Tim O' Reilly 和 Tim Reilly 之间的分数。

我正在寻找这样的分数计算机制。该算法应该能够处理的几个挑战是：
1）当输入名字作为输入时，名字和姓氏可以交换
2）可能有首字母代替名字
3）其中一个名字可能没有姓氏，而另一个可能同时有名字和姓氏。

...等等，这些都是名称表示中的常见错误。

Answer 1

包括一些名称相似性距离分数的两个库是：

• 模拟包：
• 第二串

除了 1) 和 3) 特征和集合相似性度量（例如 jaccard、tfidf）工作之外，没有一种方法可以涵盖您提到的情况——对于 2）除了 soundex（如 @houman001 所述），您可以考虑使用 levensthein 或 jaro。尝试一些您的用例示例并结合起来。

Answer 2

对于“可以给出名称相似/不同程度的评分的API/工具/算法”部分，我可以给你一个提示：

搜索引擎使用了一些启发式库，但也有一种称为soundex的编码，可以从单词中计算出一个数字。具有相同 soundex 代码的单词是那些略有不同的单词。周围也有一些Java 实现。

关于您稍后提到的有关名称的要点，请查找联系人管理库/实用程序并进行一些编码，因为这些要求非常具体。