匹配来自两组数据的项目的最高相似度％

Question

任务：我有两列产品名称。我需要从Cell B中找到Cell A1中最相似的单元格，然后是A2，A3等。

输入：

Col A | Col B
-------------
Red   | Blackwell
Black | Purple      
White | Whitewater     
Green | Reddit  

输出：

红色= Reddit / 66％相似

黑色=布莱克威尔/ 71％相似

白=白水/ 66％相似

绿色= Reddit / 30％相似

我认为Levenshtein Distance可以帮助排序，但我不知道如何应用它。

在此先感谢，任何信息都有帮助。

Answer 1

Using nested loops

<?php

// Arrays of words
$colA = ['Red', 'Black', 'White', 'Green'];
$colB = ['Blackwell', 'Purple', 'Whitewater', 'Reddit'];

// loop through words to find the closest
foreach ($colA as $a) {

    // Current max number of matches
    $maxMatches = -1;
    $bestMatch = '';

    foreach ($colB as $b) {

        // Calculate the number of matches
        $matches = similar_text($a, $b, $percent);

        if ($matches > $maxMatches) {

            // Found a better match, update
            $maxMatches = $matches;
            $bestMatch = $b;
            $matchPercentage = $percent;

        }

    }

    echo "$a = $bestMatch / " . 
        number_format($matchPercentage, 2) . 
        "% similar\n";
}

第一个循环遍历第一个数组的元素，每个元素初始化找到的最佳匹配和匹配的匹配字符数。

内循环遍历可能匹配的数组，寻找最佳匹配，对于每个候选者，它检查相似性（你可以在这里使用levenshtein而不是similar_text，但后者很方便，因为它计算你的百分比），如果当前的单词是一个比变量更新的当前最佳匹配更好的匹配。

对于外循环中的每个单词，我们回显找到的最佳匹配和百分比。根据需要格式化。

Answer 2

我不确定你在哪里得到这些所需的百分比，所以我只是使用php函数生成的值，你可以决定是否要对它们执行任何计算。

levenshtein()根本无法提供您在问题中要求的所需匹配。我认为你使用similar_text()会更明智。

代码：（Demo）

$arrayA=['Red','Black','White','Green'];
$arrayB=['Blackwell','Purple','Whitewater','Reddit'];

// similar text
foreach($arrayA as $a){
    $temp=array_combine($arrayB,array_map(function($v)use($a){similar_text($v,$a,$percent); return $percent;},$arrayB));  // generate assoc array of assessments
    arsort($temp);  // sort descending 
    $result[]="$a is most similar to ".key($temp)." (sim-score:".number_format(current($temp))."%)";  // access first key and value
}
var_export($result);

echo "\n--\n";
// levenstein doesn't offer the desired matching
foreach($arrayA as $a){
    $temp=array_combine($arrayB,array_map(function($v)use($a){return levenshtein($v,$a);},$arrayB));  // generate assoc array of assessments
    arsort($temp);  // sort descending 
    $result2[]="$a is most similar to ".key($temp)." (lev-score:".current($temp).")";  // access first key and value
}
var_export($result2);

输出：

array (
  0 => 'Red is most similar to Reddit (sim-score:67%)',
  1 => 'Black is most similar to Blackwell (sim-score:71%)',
  2 => 'White is most similar to Whitewater (sim-score:67%)',
  3 => 'Green is most similar to Purple (sim-score:36%)',
)
--
array (
  0 => 'Red is most similar to Whitewater (lev-score:9)',
  1 => 'Black is most similar to Whitewater (lev-score:9)',
  2 => 'White is most similar to Blackwell (lev-score:8)',
  3 => 'Green is most similar to Blackwell (lev-score:8)',
)