使用Levenshtein距離確定數組中是否存在相似的字符串

Question

例如，我有一個名爲referenceArray的字符串數組。我現在有一個字符串str。我想檢查referenceArray中的任何元素是否與str類似。我可以計算referenceArray和str的每個元素之間的Levenshtein距離，並選擇距離最小的元素。 但是，這種方法的問題是我還需要知道referenceArray中的元素是否都與str類似。所以在這種情況下選擇距離最小的元素將是錯誤的。

例如，

referenceArray = ['saint louis','new york'] 
str='st. louis' 

在這種情況下，我挑'saint louis' since it has minimum L distance of 4.

但如果str='toronto'，一個與minimum L distance is 'new york'，但字符串是ofcourse完全不同。我如何確定referenceArray中的元素是否都不匹配str或者是否有類似的字符串？

謝謝

Answer 1

如何設置可接受的距離閾值？例如，只有在距離低於10或sqrt(len(str))或類似的地方時，您才接受距離最短的字符串。

Answer 2

嘗試設置一個上限閾值len(str)/x，其中x是一個適當的常數。我會嘗試2-4的x。

用一些示例輸入嘗試一下，看看最適合你的是什麼。