string - 比较字符串的相似性？

Question

我想计算在数千个条目的列表中出现某些大学课程的次数。问题是课程并不总是拼写相同。例如，Computer Engineering可以拼写为Computers Engineering。测试两个字符串是否非常相似的正确、优雅的方法是什么？

Answer 1

我会尝试使用stemming规范化字符串。这个想法是 - 给每个字符串它的规范化形式，两个不同的字符串，代表同一个词很可能有相同的规范形式（例如，将有相同的大炮形式，你会得到一个匹配）。ComputerComputers

波特词干算法通常用于规范化。

---

另一种选择 - 以彼此之间的距离对字符串进行分级，建议的Levenshtein Distance可以帮助你，但就个人而言 - 我更喜欢规范化。