单列查找类似值

Question

我在EXCEL/SQL表中有一个列示例数据如下。 想分组类似的记录。在Excel或SQL解决方案应该没问题。

GOPAL 
Ramesh 
A.GOPAL 
SRINIVAS 
Ramesh Reddy 
G.SRINVIASA RAO 

预期的输出可能排序相似度

GOPAL 
A.GOPAL 
Ramesh 
Ramesh Reddy 
SRINIVAS 
G.SRINVIASA RAO 

或

GOPAL Group1 
A.GOPAL Group1 
Ramesh Group2 
Ramesh Reddy Group2 
SRINIVAS Group3 
G.SRINVIASA RAO Group3 

Answer 1

这比一个完整的答案评论，但可以引导你在正确的方向。

您必须定义一个相似性度量标准，它比较两个字符串并返回一个量化它们之间相似度的值。参见例如A better similarity ranking algorithm for variable length strings。如何在SQL查询中使用它取决于您正在使用的DBMS。您还必须建立您要定义为“足够接近”的此度量标准的阈值。

然后，你可以写一个SQL查询是这样的：

select 
    a_val as group, 
    b_val as stringval 
from 
    (
    select 
     a_val, 
     b_val, 
     similarity 
    from 
     (
     select 
      a.stringval as a_val, 
      b.stringval as b_val, 
      sim_metric(a.stringval, b.stringval) as similarity 
     from 
      stringlist as a, 
      stringlist as b 
     where 
      b.stringval >= a.stringval 
     ) as sim 
    where 
     similarity > similarity_threshold 
    ) as grp 
order by 
    a_val; 

其中sim_metric()是你相似的功能和similarity_threshold是您选择的门槛。将每组相似名称中的一个名称用作组名。