Лучшее совпадение между двумя строками, когда порядок или количество раз, когда слово появляется, не имеет значения?

Question

Каков наилучший алгоритм для сопоставления или вычисления расстояния между двумя строками в C #, когда порядок или количество раз, когда слово появляется, не важно?

Лучшие средства:

• В основном согласился бы с человеческим соответствием
• Элегантный
• Эффективное
• Масштабируемый, чтобы входная строка могла быть сопоставлена ​​с потенциально большим набором других строк

Похожие вопросы:

• Приближенные алгоритмы сопоставления строк
• Эффективный алгоритм сопоставления строк

Некоторые заметки:

• Из-за независимости порядка и вхождения входные данные можно рассматривать как наборы уникальных слов, а не строк в смысле массивов символов
• Не специально ищу решение для базы данных, хотя было бы интересно
• Я слишком стар, чтобы это было проблемой для домашнего задания;)

Answer 1

Поиск метода под названием «Двойной метафон», который, как я полагаю, для сравнения слов по словам, является лучшим из доступных. Считается также для разных языков! удивительно.

Если сравнивать строку, возможно, вы можете использовать это вместе с косинусным сходством. даст идеальные результаты.

Answer 2

Это похоже на канонический случай применения стандартных алгоритмов поиска информации. Расстояние косинуса - то, что сначала приходит на ум, но могут быть более подходящие варианты для вашего конкретного случая. Это хорошая ссылка, чтобы начать копать по этому маршруту:

http://www.miislita.com/information-retrieval-tutorial/cosine-similarity-tutorial.html

Пример реализации:

Как рассчитать косинусное сходство двух векторов?