類似しているが同一ではない文字列を検出するルーチンが必要です

Question

私は以前のリリースから変更された文字列のリストを持っています。いくつかの変更は簡単です（スペーシング、1単語分など）。可能であれば古い翻訳を使用するように、マイナーな違いがある文字列を検出したいと思います。

「マイナーな相違」とはどういう意味ですか？私はデータベースで作業を始めるまでわかりません。

2つの文字列が類似しているが同一ではないことを示すチューニング可能なルーチンがありますか？どのように異なる2つの文字列があるかを示す数値を返すルーチンはどれですか？

Answer 1

多くのアルゴリズムがあります。キーワードはファジー文字列です。

よく知られているものはLevenshtein distanceです。それによって、ある文字列を別の文字列に変換するために必要な「変更」の数を計算することができます。その結果、文字列の類似度の見積もりが得られます。

この質問も参照してください：How to search for similar words、デルファイのソリューション。