如何解决将多个字符串仅关联到一个
| 我正在尝试创建一种可以轻松地将同义词（具有不匹配，大写字母，字母缩写等）简化和分组的算法。我认为应该存在一种构建这种结构的标准方法，即寻找可能存在不匹配的字符串，如果该字符串存在于结构中，则它将返回标准化的字符串键。简而言之，有时可以用几种方式来编写相同的概念，但是我只想保留该概念。 例如：假设我要规范化或简化外观\"General Director\",\"General Manager\",\"G,Dtor\",\"Gen Dir\",...
\"GEN_DIR\"
hash[\"General Director\"]=\"GEN_DIR\"
hash[\"General Manager\"]=\"GEN_DIR\"
hash[\"G,Dtor\"]=\"GEN_DIR\"
hash[\"G,Dir\"]=\"GEN_DIR\"
解决方法
好吧，没有规则，至少是一个明确的规则。
我的目的是从Web上删除某些“结构化”数据，这些数据有时输入不正确或不完整。一些字段是描述，可以保留原样。但是，某些字段被假定为\“ sets \”，但未正确键入（例如在我的示例中）。作为人类可以阅读的内容，他立即知道其含义并将其与含义相关联。
但是我想尽可能地自动化将那些可能的不匹配减少到一个“字符串”（或符号）的过程，例如，将其保存到数据库之前。因此，我需要的是一种哈希或字典，如sawa正确指出的那样，我可以使用它查找任何此类脏字符串以获取规范化的字符串或符号。
同样，当然，也希望有一种方法可以使此哈希（或可能的其他值）以某种方式从新的不匹配中学习并自动添加新的关联（可能是基于不匹配的字符串和字符串之间的距离度量）归一化的字符串，如果该字符串小于X，则会建立新的关联）。整个关联（即哈希）应随着新的不匹配和概念的出现而增长，但是，应将其保留在任何地方（可能保存在xml文件中，或类似Mori在下文中回答的内容）以备将来使用。
有新想法吗？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。