标准化字符串列表的最佳方法

如何解决标准化字符串列表的最佳方法

我正在编写一个使用 fuzzywuzzy 规范化列表 o 字符串的脚本。我的目标是使每个字符串与另一个相同的字符串具有 95% 或更高的相似度,如下所示:

原始列表:['Python 脚本'、'python3 脚本'、'汽车隐藏'、'我的汽车隐藏'、'汽车'、'文档'、'文档']

结果:['Python 脚本'、'Python 脚本'、'汽车隐藏'、'汽车隐藏'、'汽车隐藏'、'文档'、'文档']

为此,我用 Python 编写了一个脚本,执行以下步骤

  1. 预处理字符串、小写、删除停用词等

  2. 对于列表的每个元素,从它的位置向前运行列表,标记所有元素 95% 或更多相似

  3. 将这些标记元素变成同一个元素

有没有更好的方法

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?