地方的最佳距离度量是什么？

Question

我正在寻找一个“好”/容易的度量来识别与类似的位置/用户输入，避免重复的。

Levenstein距离对Typos有好处，比如

面包店 贝克里

(Levenstein距离: 2)

但是“失败”换来了交换词。

圣乌苏拉学校 圣乌苏拉学校

(Levenstein距离: 17)

和补充

严肃业务 严肃商业有限公司

Answer 1

我认为使用原始距离度量是很困难的。您可能希望使用一些NLP方法(nltk)来进行ner (命名实体识别)，然后使用该结果进行比较。