グループ共通の検索結果の見出し

Question

は、私は、複数のニュースソース（私の会社が代金を支払うものも）から取得しているいくつかのニュースの見出し（単なる文字列）の配列を持っています。多くの場合、見出しは似ていますが、単語に一致する単語はありません。私はGoogleのニュースがそれをしない方法と同様に、それらを試してみて、バケットにしたいと思います。

これを行うにはそこアルゴリズムはありますか？私はこのスクリプトのためにrubyやpythonを使うことができます。

ありがとうございます！ Ruby用

Answer 1

は、text宝石、特にLevenshtein distance 2の間の文字列を見てください。