見つけるベストマッチ - オラクル/ Javaの

Question

私の前のポストLink hereにアップした後、私たちが今直面している他の課題は、アドレスフィールド[ADDR_LINE_1, ADDR_LINE_2, CITY, STATE, ZIP]ための最良の一致を見つけることです。

私たちは、[ファイルから]の着信アドレスレコードに可能な一致になり、データベース内のすべてのレコードを返すようにしたいです。シナリオは次のとおりです。

データベースには2レコードあります。入ってくるレコードの

ADDR_LINE_1,  ADDR_LINE_2  , CITY  , STATE, ZIP 
001 Chestnut Avenue, Apt 100   , Indiana  , IN , 9999 
Apt 100   , 001 Chestnut Ave., Indianapolis, IN , 9999 

、私は既存のレコードなどのレコードを検出し、上記の可能な一致の両方を一覧表示したい

ADDR_LINE_1,  ADDR_LINE_2, CITY  , STATE, ZIP 
1 Chestnut Avenue, Apt 100 , Indiana  , IN , 9999 

を次のように。

[注]データベースエントリの順序を入れ替えて、それでも可能なマッチとしてリストされなければなりません。

誰もが、私はそれについて移動することができます方法についてのアドバイスを提供していただけますか？

Answer 1

Oracleのバージョンに応じて、類似性スコアを生成し、閾値スコアがあなたに合理的と思われるものをいじるためにUTL_MATCH packageを使用することができます。例えば、JARO-ウィンクラーアルゴリズム明らかに

SQL> select utl_match.jaro_winkler_similarity('001 Chestnut Avenue', 
    2           '1 Chestnut Avenue') 
    3 from dual; 

UTL_MATCH.JARO_WINKLER_SIMILARITY('001CHESTNUTAVENUE','1CHESTNUTAVENUE') 
------------------------------------------------------------------------ 
                     96 

を使用して、文字列「001栗アベニュー」と文字列「1栗アベニュー」の間の96％の類似性がある、あなたはおそらくにいくつかの作業を行う必要があると思いますさまざまな分野にどのような重みを付けるかを特定します。たとえば、住所の2行目よりも相対的に標準化される可能性が高い都市で一致させるためのしきい値が高いとします。