LevenshteinDist - 指令碼與圖表函數

概述

開啟資料載入編輯器並將下面的載入指令碼新增至新的索引標籤。

載入指令碼包含：

• 載入到稱為 Example 之資料表格的資料集。

• 資料表格中稱為 InputText 的一個欄位。

載入指令碼

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

結果

載入資料並開啟工作表。建立新的表格並將此欄位新增為維度：

• InputText

建立下列量值：

• =LevenshteinDist('Silver', InputText)，用來計算將 InputText 的字串值變更為字詞 Silver 所需的最小單一字元編輯次數。

LevenshteinDist 函數的輸出會傳回將 InputText 變更為預期文字 Silver 所需的變更次數。例如，第一列需要兩次變更，才能將字詞 Sliver 修改為 Silver。第二列需要 3 次變更： 1) 刪除多餘的字元 S。2) 刪除多餘的字元 e。3) 插入新字元 l。

概述

此範例合併了來自不同系統的產品名稱。由於拼字錯誤、縮寫、空格或其他變化，產品名稱不一定使用相同的拼寫。使用 LevenshteinDist 函數，您可以衡量兩個產品名稱之間的相似性，並識別哪些名稱即使不相同，仍可能指的是相同產品。

開啟資料載入編輯器並將下面的載入指令碼新增至新的索引標籤。

載入指令碼包含：

• 載入到稱為 Example 之資料表格的資料集。

• 資料表格中的欄位如下：

  • ProductA

  • ProductB

載入指令碼

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
];

結果

載入資料並開啟工作表。建立新的表格並將這些欄位新增為維度：

• ProductA

• ProductB

建立下列量值：

• =LevenshteinDist(ProductA, ProductB)，用來計算變更 ProductB 的字串值以符合 ProductA 所需的最小單一字元編輯次數。

Levenshtein 距離是一種模糊比對，廣泛用作拼字檢查器、光學字元辨識和校正系統的一部分，適用於客戶資料管理、庫存系統和文件處理等領域，這些領域的文字經常出現些微的變化。

載入指令碼

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

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

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

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

set nullinterpret = '<NULL>';
Example:
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 Example;

Drop table Example;