如何识别类似的话，在拼写上的差别如何识别类似的话，在拼写上的差别(how to recognize

我想从数据库中筛选出重复的客户名称。 一个客户可能有不止一个进入该系统具有相同的名称，但在拼写差异不大。 所以这里有一个例子：一个名为布鲁克客户可以有三个条目与这个变化的系统：

1. 布鲁克伯塔
2. 布鲁克伯塔
3. Biruk伯塔

假设我们在一个数据库列把这个名字。 我想知道不同的机制来识别这种重复形成说10万分的记录。 我们可以使用正则表达式在C＃中通过的所有记录或其他一些模式匹配技术进行迭代，我们也可能这些记录导出到此类查询什么都最适合（SQL正则表达式的能力））。

这是我认为是一个解决方案

• 写C＃代码通过记录每个迭代
• 获取只有辅音字母排序（在上述情况下：BrKBrt）
• 搜索从考虑发音相似的字母像（C，K）（C，S）其他记录相同的辅音模式，（F，PH）

所以，请转发任何想法。

Answer 1:

该双音位算法，发表于2000年，是在1918年获得专利Soundex算法的一个新的和改进的版本。

文章在许多语言中的链接双音位实现。

Answer 2:

看一看探测法

有在Transact-SQL（见探测法功能http://msdn.microsoft.com/en-us/library/ms187384.aspx ）：

SELECT 
SOUNDEX('brook berta'),
SOUNDEX('Bruck Berta'),
SOUNDEX('Biruk Berta')

返回相同的值B620对于每个示例值

Answer 3:

查找字符串相似性显而易见，建立（有据可查）算法是：

• 编辑距离
• 探测法

Answer 4:

我会考虑写东西，如“著名的”蟒蛇拼写检查器。

http://norvig.com/spell-correct.html

这将需要一个单词，并寻找基于丢失的信件所有可能的选择，添加字母，交换信函等

Answer 5:

你可能想谷歌的phonetic similarity algorithm ，你会发现很多这方面的信息。 包括此文章CodeProject上关于实现在C＃中的解决方案。

Answer 6:

考虑同音。 这是一个在大多数语言中一个相当标准库已经做了你需要的东西，即算法识别语音相似。 http://en.wikipedia.org/wiki/Soundex

Answer 7:

有一个非常漂亮的R（只要搜索“R”在谷歌）包记录链接。 该标准针对的例子恰好您的问题： [R RecordLinkage

在C-代码探测法等直接取自PostgreSQL的！

Answer 8:

我会建议探测法和派生的算法在列弗距离该解决方案。 编辑距离更适合拼写检查解决方案恕我直言。

文章来源: how to recognize similar words with difference in spelling