LevenshteinDist - 脚本和图表函数

概述

打开数据加载编辑器，并将下面的加载脚本添加到新选项卡。

加载脚本包含：

• 数据表中有一个名为InputText 的字段。

加载脚本

Example: 
Load * inline [ 
InputText
Sliver
SSiver 
SSiveer 
]; 

结果

加载数据并打开工作表。创建新表并将该字段添加为维度：

• InputText

• =LevenshteinDist('Silver', InputText)，用于计算将 InputText 的字符串值更改为单词 'Silver' 所需的最小单字符编辑次数。

LevenshteinDist 函数的输出返回将 InputText 更改为预期文本 'Silver' 所需的更改次数。例如，第一行需要两次更改才能将单词 'Sliver' 修改为 'Silver'。第二行需要 3 个更改：1) 删除多余的字符 'S'。2) 删除多余的字符 'e'。3) 插入新字符 'l'。

概述

此示例整合了来自不同系统的产品名称。由于拼写错误、缩写、间距或其他变化，产品名称并不总是使用相同的拼写。使用 LevenshteinDist 函数，您可以测量两个产品名称之间的相似性，并确定哪些名称可能指代同一产品，即使名称不完全相同。

打开数据加载编辑器，并将下面的加载脚本添加到新选项卡。

加载脚本包含：

• • ProductA

  • ProductB

加载脚本

Example:
Load * inline [ 
ProductA, ProductB
Coca Cola 330ml, CocaCola 330 ml
Pepsi 500 ml, Pepsi 500ml
Sprite Zero 600 ml, SpriteZero600ml
Red Bull 250ml, Redbull 250ml
]; 

结果

加载数据并打开工作表。创建新表并将这些字段添加为维度：

• ProductA

• ProductB

• =LevenshteinDist(ProductA, ProductB)，用于计算将 ProductB 的字符串值更改以匹配 ProductA 所需的最小单字符编辑次数。

编辑距离是一种模糊匹配，在客户数据管理、库存系统和文档处理等领域被广泛用作拼写检查器、光学字符识别和校正系统的一部分，在这些领域，文本的细微变化经常发生。

加载脚本

T1:
Load *, recno() as ID;
Load 'Silver' as String_1,* inline [
String_2
Sliver
SSiver
SSiveer ];

T1:
Load *, recno()+3 as ID;
Load 'Gold' as String_1,* inline [
String_2
Bold
Bool
Bond ];

T1:
Load *, recno()+6 as ID;
Load 'Ove' as String_1,* inline [
String_2
Ove
Uve
Üve ];

T1:
Load *, recno()+9 as ID;
Load 'ABC' as String_1,* inline [
String_2
DEFG
abc
ビビビ ];

set nullinterpret = '<NULL>';
T1:
Load *, recno()+12 as ID;
Load 'X' as String_1,* inline [
String_2
''
<NULL>
1 ];

R1:
Load 
ID, 
String_1, 
String_2, 
LevenshteinDist(String_1, String_2) as LevenshteinDistance 
resident T1;

Drop table T1;

结果