a = ['天虹便利中投國際商務店', '福田街道辦事處深圳市福田區香梅路1061號中投國際商務中心B座一層12號']
b = ['天虹微喔(中投大廈店)', '香梅路中投國際商務中心B1棟1層']
c = ['Vingo財富廣', '深圳市福田區深南大道浩銘財富廣場群樓101-1商鋪']
d = ['財富廣場', '深圳市福田區深南大道東頭浩銘財富廣場']
串列內第一個值是店鋪名稱，第二個值是店鋪地址。
人一眼便可看出a和b是一家, c和d是一家，但如何用代碼實作。Python中有沒有類似的庫
請各位大佬解惑
在此謝謝了
uj5u.com熱心網友回復：
提供一個思路，對比a和b，c和d的文本相似度，如果你的需求比較簡單，可以自己寫一個比較的方法，相同的字占總字數的百分比，超過多少百分比則視為同一家，如果你的需求要求精度比較高，可以使用專業的度量演算法，比如：編輯距離、海明距離、歐氏距離、Jaccard相似度、余弦相似度等，具體你可以百度他們的區別和具體的實作演算法，應該都有現成的。uj5u.com熱心網友回復：
a = ['哇哈哈超市', '深圳市福田區上海路哇哈哈超市']b = ['哇咔超市', '深圳市福田區上海路哇咔超市']
但是這種情況 a和b不是一家， 所以要掌握好這個度。
如果模糊匹配的話，會把哇哈哈和哇咔分為一家，但是不模糊的話Vingo財富廣場和財富廣場分為2家。
uj5u.com熱心網友回復：
這種情況的話，要通過語意來分析了，可以查一查 NLP 有沒有更高級的演算法，個人見解，在獲取這個資料的階段的時候就做一定的處理，讓后面更加容易區分，如果不行的話，就想辦法特殊情況特殊處理，最后你說的 a b 的情況，我感覺很難通過計算機區分出來uj5u.com熱心網友回復：
這些資料都是從Excel讀出來的，然后我要做的就是對店名及地址進行比對。精準度高了不行，低了也不行，所以不知道要怎么搞。頭大
uj5u.com熱心網友回復：
用jieba分詞后再轉成集合看集合的交集
uj5u.com熱心網友回復：
一共有多少資料？如果不多的話，可以先把一些特殊的挑出來，只能手動+代碼處理了
uj5u.com熱心網友回復：
上萬條
uj5u.com熱心網友回復：
用jieba難搞哦
uj5u.com熱心網友回復：
不太好搞哦，建議找個自然語言處理專家問問
uj5u.com熱心網友回復：
是啊，很難搞。謝謝你的回復哦
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/284443.html
上一篇：python大一萌新求助