比较字符串的相似之处？

Question

我想统计某个大学课程在数千个条目列表中出现的次数。问题是课程并不总是拼写相同。例如，Computer Engineering可以拼写为Computers Engineering。什么是测试2个字符串是否非常相似的正确，优雅的方法？

Answer 1

我会尝试使用stemming canonize字符串。这个想法是 - 给每个字符串的标准化形式，和两个不同的字符串，代表相同的单词很可能有相同的佳能形式（例如，Computer和Computers将具有相同的加农炮形式，你会得到一个匹配）。

Porter stemming algorithm经常用于经典化。

---

一个选择 - 是分级彼此间的距离琴弦，建议Levenshtein Distance可以帮你用它，但个人 - 我宁愿册封。