c++ 模糊搜索 正则表达式_模糊搜索算法（近似字符串匹配算法）

考虑到您正在尝试对学校名称列表进行模糊搜索，因此我认为您不希望使用Levenshtein距离之类的传统字符串相似性。 我的假设是，您正在接受用户的输入(键盘输入或通过电话说出)，并且想要快速找到匹配的学校。

距离量度告诉您两个字符串基于替换，删除和插入的相似程度。 但是这些算法并没有真正告诉您有关字符串与人类语言中单词的相似程度的任何信息。

例如，考虑单词“ smith”，“ smythe”和“ smote”。 我可以通过两个步骤从“ smythe”转到“ smith”：

smythe -> smithe -> smith

从“骗子”到“史密斯”分两个步骤：

smote -> smite -> smith

因此，两者与字符串的距离相同，但作为单词的距离却明显不同。 如果有人(说语言)告诉您他正在寻找“ Symthe College”，那么您几乎可以肯定地说：“哦，我想您是说史密斯。” 但是，如果有人说“ Smote College”，那么您根本不知道他在说什么。

您需要的是像Soundex或Metaphone这样的语音算法。 基本上，这些算法将一个单词分解为音素，并表示该单词在口语中的发音方式。 然后，您可以将结果与已知单词列表进行比较以找到匹配项。

这样的系统比使用距离度量要快得多。 考虑到使用距离量度，您需要将用户输入的内容与列表中的每个单词进行比较以获得距离。 这在计算上是昂贵的，而且正如我用“史密斯”和“傻子”所演示的那样，结果可能很糟糕。

使用语音算法，您可以创建每个已知单词的音素表示，并将其放置在字典中(哈希图或trie)。 这是一次性的启动成本。 然后，每当用户输入搜索词时，您就创建其输入的音素表示并在字典中查找。 这样快得多，并且产生更好的结果。

还要考虑一下，当人们拼错专有名称时，他们几乎总是会正确输入第一个字母，并且更多时候会发出拼错的声音，就像他们想拼写的实际单词一样。 如果真是这样，那么语音算法无疑是正确的选择。