python - 使用编辑距离消除名称歧义

Question

我有大量的公司名称以及与这些名称相关的大量邮政编码列表。（> 100,000）。

我必须输出相似的名称（例如，AJAX INC 和 AJAX 是同一家公司，我为编辑距离选择了 4 个字符的阈值），但前提是它们对应的邮政编码也匹配。

问题是我可以将所有这些公司名称放入字典中，并将邮政编码列表和其他特征与该字典键相关联。但是，然后我必须匹配每一对，并且使用 O(n^2)，它需要永远。有更快的方法吗？

Answer 1

创建一个以邮政编码为键的字典，将公司名称列表作为值。现在您只需要匹配每个邮政编码的公司名称，搜索空间要小得多。