有没有适用于C#的模糊搜索或字符串相似度函数库？

Question

有类似的问题，但与我可以在源代码中使用的C＃库无关。

感谢大家的帮助。

我已经看过Lucene，但我需要一些更容易搜索相似字符串且没有索引部分的开销。

我标记的答案有两个非常简单的算法，其中一个还使用了LINQ，所以非常完美。

- volothamp

---

为什么这是不相关的问题，我不明白。OP正在询问是否有一个库中的函数得到SO的深入支持。 - 101010

Answer 1

Levenshtein距离的实现：

• 使用LINQ（不是真的，见评论）
• 不使用LINQ

我有一个.NET 1.1项目，我在其中使用后者。它很简单，但完全符合我的需求。据我记得，它需要进行一些微调，但没有任何不明显的问题。

- George Mauer

---

为什么你说“使用LINQ”？这些实现都没有使用LINQ... - Thomas Levesque

实际上这些实现是相同的，只不过后者使用了 Substring，这比使用索引器要慢得多，因为它每次都会创建新的字符串实例... - Thomas Levesque

确实，你是正确的。我本来以为它里面有一些LINQ的东西，或者至少标题声称它是LINQy或类似的东西。 - George Mauer

如果我有 100,000 条条目要搜索，每次都想显示前 20 名候选人怎么办？ - Hamish Grubijan

死链接可能现在在这里：http://www.dotnetperls.com/levenshtein - Roman

Answer 2

你还可以查看非常出色的库，名为Sam's String Metrics https://github.com/StefH/SimMetrics.Net，其中包含许多算法。

• 汉明距离
• Levenshtein距离
• Needleman-Wunch距离或Sellers算法
• Smith-Waterman距离
• Gotoh距离或Smith-Waterman-Gotoh距离
• 块距离或L1距离或城市街区距离
• Monge Elkan距离
• Jaro距离度量
• Jaro Winkler
• SoundEx距离度量
• Matching Coefficient
• Dice系数
• Jaccard相似度或Jaccard系数或Tanimoto系数
• Overlap系数
• 欧几里得距离或L2距离
• 余弦相似性
• 变差距离
• Hellinger距离或Bhattacharyya距离
• 信息半径（Jensen-Shannon散度）
• 调和平均数
• 偏斜散度
• 混淆概率
• Tau
• Fellegi和Sunters（SFS）度量
• TFIDF或TF/IDF
• FastA
• BlastP
• 最大匹配
• q-gram算法
• Ukkonen算法

- Zaffiro

---

这个答案中的链接给我返回了403错误。你可以使用Wayback Machine代替。 - Paul Ruane

我相信上面提到的库的.NET版本在这里。在我将它转换为Visual Studio 2010并更新了NUnit引用后，它可以构建。它还通过了87个测试。 - dalenewman

我在 SimMetrics.Net on GitHub 上找到了这个库的 .net 版本。与 @dalenewman 的建议相同，只是在 Github 上而已？ - Spiralis

Answer 3

这些不是我自己的创造，但它们是我最喜欢的函数之一。我在博客文章中介绍了它们，并发布了我自己调整的版本，其中包括Dice系数、Levenshtein距离、最长公共子序列和Double Metaphone，该博客文章名为“Four Functions for Finding Fuzzy String Matches in C＃ Extensions”。

- Tyler Jensen

---

这些都是预先制作好的类，你只需要将它们放入你的项目中即可。这是最简单的方法。 - cjbarth

现在代码已经上传到GitHub上了，链接为https://github.com/tylerjensen/duovia-fuzzystrings。 - DanO

博客文章的更新链接：http://www.tsjensen.com/blog/post/2011/05/27/Four+Functions+For+Finding+Fuzzy+String+Matches+In+C+Extensions.aspx - Good Night Nerd Pride

Answer 4

你看过 Lucene.net 吗？它是将 Java Lucene 搜索引擎 API 移植到 .Net 平台上的库。该库提供了许多搜索功能。我大约一年前曾尝试过它，所以不要认为我的建议基于丰富的经验。我在书籍 Windows Developer Power Tools 中发现了它并进行了测试。你可以查看他们的 API 文档，看是否有你所需的模糊搜索功能。

- Jason Jackson

---

请问如何使用Lucene获取相似度度量？ - Eugeniu Torica

抱歉，我没有在专业领域使用过它。正如我在帖子中提到的那样，我只是大约在2007/2008年左右玩过它。 - Jason Jackson

也许书籍Lucene in Action, 2ed可以告诉我们如何获取相似度的程度。 - AechoLiu

Answer 5

这个 代码项目论文 使用 Levenshtein距离 实现了字符串相似度函数。

- Ed

Answer 6

以下是Levenshtein距离算法，它可以为两个字符串的相似度（实际上是差异）分配一个值，可用于进一步构建：http://www.merriampark.com/ldcsharp.htm。

- benefactual

Answer 7

Linux的Beagle项目是用C#（mono）编写的，类似于Google桌面搜索工具。它可能有一些用于这种字符串匹配的代码。

如果我没记错的话，它使用Lucene库进行搜索和检索数据。也许这对你的项目也有用。

- Isak Savo

Answer 8

我使用了“C#三叉搜索树字典”（http://www.codeproject.com/KB/recipes/tst.aspx）来搜索相似的字符串。

敬礼，Patricio

- patriciovidal