單列查找類似值

Question

我在EXCEL/SQL表中有一個列示例數據如下。 想分組類似的記錄。在Excel或SQL解決方案應該沒問題。

GOPAL 
Ramesh 
A.GOPAL 
SRINIVAS 
Ramesh Reddy 
G.SRINVIASA RAO 

預期的輸出可能排序相似度

GOPAL 
A.GOPAL 
Ramesh 
Ramesh Reddy 
SRINIVAS 
G.SRINVIASA RAO 

或

GOPAL Group1 
A.GOPAL Group1 
Ramesh Group2 
Ramesh Reddy Group2 
SRINIVAS Group3 
G.SRINVIASA RAO Group3 

Answer 1

這比一個完整的答案評論，但可以引導你在正確的方向。

您必須定義一個相似性度量標準，它比較兩個字符串並返回一個量化它們之間相似度的值。參見例如A better similarity ranking algorithm for variable length strings。如何在SQL查詢中使用它取決於您正在使用的DBMS。您還必須建立您要定義爲「足夠接近」的此度量標準的閾值。

然後，你可以寫一個SQL查詢是這樣的：

select 
    a_val as group, 
    b_val as stringval 
from 
    (
    select 
     a_val, 
     b_val, 
     similarity 
    from 
     (
     select 
      a.stringval as a_val, 
      b.stringval as b_val, 
      sim_metric(a.stringval, b.stringval) as similarity 
     from 
      stringlist as a, 
      stringlist as b 
     where 
      b.stringval >= a.stringval 
     ) as sim 
    where 
     similarity > similarity_threshold 
    ) as grp 
order by 
    a_val; 

其中sim_metric()是你相似的功能和similarity_threshold是您選擇的門檻。將每組相似名稱中的一個名稱用作組名。