比較人名以檢測相同性的算法

Question

我正在研究地址簿同步算法。我想重用一些代碼，如果存在，但還找不到。

有人知道算法，會告訴我在數字/浮動/ procent兩個名字是相同的。 Levenstein距離在這種方法中並不好，因爲名稱和我們的地址書籍與每個名稱部分的開頭都相匹配。

John Smith應符合
Smith Jon，Jonathan Smith，Johnny Smith

Answer 1

也看看Jaro Winkler算法。這對名字有好處。 http://en.wikipedia.org/wiki/Jaro%E2%80%93Winkler_distance

如果你有第一個名字，姓氏問題，那麼你可以只對它們進行排序，以確保史密斯約翰保存爲約翰·史密斯

Answer 2

要真正獲得這些種情況，你可能需要一個別名錶，但我想探測法將讓你關閉。

http://commons.apache.org/codec/apidocs/org/apache/commons/codec/language/Soundex.html

Answer 3

你應該看的字符串比較算法，如萊文斯坦或史密斯 - 沃特曼。這裏是a great library讓你開始吧

Answer 4

對於名字，我想出了一個類似於metaphone的算法。

您還需要一些邏輯來將字符串分解成姓，名，標題等。它可能會變得複雜。

有邊緣情況。如果某人有「教授」這個頭銜，那麼您不希望將其解釋爲名字。如果他們在開始時有「主」，可能是他們的名字（很多人稱爲主）或他們的頭銜。等等。如果你的名字已經在標準格式中，那麼你最好知道他們的姓氏，名字和頭銜。

我寫了一些PHP代碼來做到這一點：請參閱name（請參閱similarityto（）函數），textfuzzy,probability。