oracle - 2个符号oracle之间的相似性

Question

包含超过 300 万行名称（姓名、姓氏、父亲姓名）的表。我希望检查相似性超过 90%。我使用了许多模糊算法以及 utl_match 相似性（jaro_winkler、edit_distance）。这些算法的性能并不好。（超过 20 秒。）我想检查变化的地方，但它的工作时间很长。像：姓氏父亲姓氏，姓氏姓氏姓氏，姓氏姓氏，............我找不到任何性能良好的算法，它适用于事务系统。

Answer 1

您不需要每次都检查所有 300 万个名称，因为您的数据库中有重复项。您还可以做的是将您的条目以最远的距离预先聚集在这些条目中，然后使用不同的入口点。

因此，在第一步中创建您的入口点：

Miller
Smith
Yang
...

并检查与 > 例如 70% 的入口点，然后深入到您匹配得非常好的集群。这应该会修剪大部分搜索并使您的算法更快。