数据匹配算法

  • Z时代
  • 2024-01-10
  • 分类：问答

我目前正在从事一个需要实施数据匹配算法的项目。外部系统传入它了解的有关客户的所有数据，而我设计的系统必须返回匹配的客户。这样，外部系统便会知道客户的正确ID，并获得其他数据，或者可以更新特定客户自己的数据。

传入以下字段：

  • 名称

  • 名称2

  • 街

  • 市

  • 邮政编码

  • 银行帐号

  • 银行名称

  • 银行代码

  • 电子邮件

  • 电话

  • 传真

  • 网页

数据可以是高质量的，并且可以使用很多信息，但是通常数据很糟糕，只有名称和地址可用并且可能有拼写。

我正在.Net中实施该项目。我目前正在做的事情如下：

public bool IsMatch(Customer customer)
{
    // CanIdentify just checks if the info is provided and has a specific length (e.g. > 1)
    if (CanIdentifyByStreet() && CanIdentifyByBankAccountNumber())
    {
        // some parsing of strings done before (substring, etc.)
        if(Street == customer.Street && AccountNumber == customer.BankAccountNumber) return true;
    }
    if (CanIdentifyByStreet() && CanIdentifyByZipCode() &&CanIdentifyByName())
    {
        ...
    }
}

我对上述方法不太满意。这是因为我必须为所有合理的情况（组合）编写if语句，这样我才不会错过匹配实体的任何机会。

所以我想也许我可以创造某种匹配分数。因此，对于每个匹配的标准，将添加一个分数。喜欢：

public bool IsMatch(Customer customer)
{
    int matchingScore = 0;
    if (CanIdentifyByStreet())
    {
        if(....)
            matchingScore += 10;
    }
    if (CanIdentifyByName())
    {
        if(....)
            matchingScore += 10;
    }
    if (CanIdentifyBankAccountNumber())
    {
        if(....)
            matchingScore += 10;
    }
    if(matchingScore > iDontKnow)
        return true;
}

这将使我能够考虑所有匹配数据，并且根据某些权重，我将增加匹配分数。如果分数足够高，那就是一场比赛。

知道我的问题是：是否存在针对此类事情的最佳实践，例如匹配算法模式等？非常感谢！

回答：

为了获得启发，请看Levenshtein距离算法。这将为您提供合理的机制来加权比较。

我还要补充一点，以我的经验，您绝对不能绝对将两个任意数据匹配到同一实体中。您需要向用户提供合理的匹配条件，然后用户才能确定1920 E.

Pine上的John Smith是否与East Pine Road 192上的Jon Smith是同一个人。

以上是 数据匹配算法 的全部内容， 来源链接： utcz.com/qa/423458.html

回到顶部