Блог

Мне было интересно, может ли кто-нибудь здесь придумать для меня какое-нибудь решение, которое заняло бы 2 строки и сравнило бы их слово за словом, чтобы дать мне процентное совпадение всей строки.

Пример: Если бы я хотел сравнить эти 2 строки

1. Эльф на полке: Рождественский Мюзикл (Гастроли)
2. Эльф на полке Музыкальный Балтимор

В SQL, если я сделаю like сравнение, оно не будет совпадать. Но если я смогу разбить каждое слово и сказать, совпадает ли оно, мы увидим, что 6 из 7 слов соответствуют строке 2 строке 1. И тогда можно было бы сказать, что 85% совпадают

Спасибо!

Вам нужно вычислить сходство между двумя строками. Существует множество алгоритмов, с помощью которых вы можете это сделать. Давайте попробуем расстояние Левенштейна и самую длинную общую подпоследовательность; у каждого из них свои преимущества.

 -- Sample strings
DECLARE 
 @string1 VARCHAR(100) = 'The Elf on the Shelf: A Christmas Musical (Touring)',
 @string2 VARCHAR(100) = 'The Elf on the Shelf Musical Baltimore';

--uncomment to test:
--SELECT @string1 = 'Their', @string2 = 'Theirs'

-- Longest Common Subsequence Solution
SELECT Similarity = 1.*LEN(dbo.LongestCommonSubsequence(@string1,@string2))/L2
FROM
(
  SELECT MIN(f.S), MAX(f.S)
  FROM  (VALUES(LEN(@string1)),(LEN(@string2))) AS f(S)
) f(L1,L2);

-- Levenshtein
SELECT Similarity = (1.*L1-Lev)/L2
FROM
(
  SELECT MIN(f.S), MAX(f.S), dbo.LEVENSHTEIN(@string1,@string2)
  FROM  (VALUES(LEN(@string1)),(LEN(@string2))) AS f(S)
) f(L1,L2,Lev);
 

Каждое возвращение:

 Similarity
---------------------------------------
0.62745098039


Similarity
---------------------------------------
0.31372549019
 

За «их» и «их» вы получаете:

 Similarity
---------------------------------------
0.83333333333

Similarity
---------------------------------------
0.66666666666
 

Вот одно из возможных решений для получения процента совпадающих слов, это предполагает, что слова совпадают между двумя строками независимо от позиции.

Я ценю, что это может быть не совсем то, что вам нужно, и не делает «похожих» слов, но, надеюсь, соответствует критериям для процентного соответствия. Есть много возможностей для настройки, если это не совсем то, что нужно.

Здесь две строки разбиты на строки и объединены в одну таблицу после удаления общих знаков препинания. Затем функция окна row_number разбивает их на соответствующие слова и подсчитывает каждую пару. Наконец, это учитывается только для совпадающих пар и суммируется с количеством повторяющихся слов, общих для обоих, затем в процентах от более короткой строки.

 declare 
    @s1 varchar(100)='The Elf on the Shelf: A Christmas Musical. (Touring)',
    @s2 varchar(100)='The Elf on the Shelf Musical, Baltimore';

with words as (
    select 1 s, Replace(Replace(Replace(Replace(Replace(value,':',''),',',''),'(',''),')',''),'.','') word
    from String_Split(@s1,' ')
    union all
    select 2, Replace(Replace(Replace(Replace(Replace(value,':',''),',',''),'(',''),')',''),'.','') 
from String_Split(@s2,' ')
), matching as (
  select *, Row_Number() over(partition by word order by s) rn
  from words
), final as (
  select * , Count(*) over(partition by word, s) repeating, Count(*) over() * 1.0 totwords, sum(Iif(s=1,1,0)) over() s1words
  from matching
  outer apply(values(Iif(rn=2 and rn=s,1,0)))x(p)
)
select (Sum (p)   max(case when s=1 and repeating>1 then repeating end))
        / Max(Iif(totwords/s1words>0.5, totwords-s1words, s1words)) * 100 [Matching Words %]
from final
            
 

Здесь 6 слов в каждой строке совпадают, поэтому желаемые 6 составляют 85,7% от более короткой строки из 7 слов.

Пример DB<>Скрипка