字符相似度比较的问题--经典模式

shanchuan

快沉船啦
雁过留声 给点建议也行

[ 本帖最后由 shanchuan 于 2010-7-23 12:36 编辑 ]

wangjguo44

名称相同的上行含下行字符个数及下行含上行字符个数分别见附件L、M列（放在一列里，如果有连续三列相同名称，则会产生混乱），验证示例见N23:N24；
又，上次提出的标出两列字符完全相同、相同80%、十个以上字符相同的做标志，我把前两个要求做在G、H列，经验证，十个以上字符相同的，有可能相同的尽是一些标点符号和数字，没有意义，就不做了。
另外，公式4，应该说与（我的）公式2是殊途同归，达到同样目的，而且同时也比较短，是比公式2更好的公式，至于看起来数据不完全一致，是因为原始数据中有的含不可见字符，有的不含，公式又没有去掉不可见字符，所以有了差异。公式3和公式1一样，是不对的，因为存在着相同字符数超过本身字符数的同样问题（如J10）。

wangjguo44

增加一个相同名称含相同字符80%以上的标志。（本行与上行或本行与下行80%相同以上为1，虽上行与本行有80%相同，但本行与上行没有到80%也不标，本行与下行也如此，如51行）（公式4已做去不可见字符处理）

[ 本帖最后由 wangjguo44 于 2010-7-23 13:59 编辑 ]

alzeng

人工判定程序判定应该会存在一定的差异，以下代码还存在没有进行逆序判定的不足，仅供参考：

1. 
   
2. Sub GetTag()
   
3.     Dim Arr, k%, i%, m%, Str$
   
4. 
   
5.     Arr = Range("B2", [B1].End(4)(1, 3))
   
6.     For k = 1 To UBound(Arr) - 1
   
7.         For i = k + 1 To UBound(Arr)
   
8.             If Arr(i, 1) = Arr(k, 1) And Arr(i, 3) = "" Then
   
9.                 Str = Arr(i, 2)
   
10.                 For m = 1 To Len(Arr(k, 2)) - 1
    
11.                     Str = Replace(Str, Mid(Arr(k, 2), m, 1), "")
    
12.                 Next
    
13.                 If Len(Str) / Len(Arr(i, 2)) < 0.2 Then Arr(i, 3) = 1: Arr(k, 3) = 1
    
14.             End If
    
15.         Next
    
16.     Next
    
17. 
    
18.     [B2].Resize(k, 3) = Arr
    
19. End Sub
    

复制代码

shanchuan

能简单的给代码做点注释吗

看不太懂

shanchuan

原帖由 alzeng 于 2010-7-24 11:43 发表
人工判定程序判定应该会存在一定的差异，以下代码还存在没有进行逆序判定的不足，仅供参考：
Sub GetTag()
    Dim Arr, k%, i%, m%, Str$

    Arr = Range("B2", .End(4)(1, 3))
    For k = 1 To UBound(Arr ...

Arr = Range("B2", [B1].End(4)(1, 3))怎么理解，请高手帮忙注释一下
[B2].Resize(k, 3) = Arr怎么理解

gouweicao78

以字符来算“相似”，恐怕不妥，比如下面两个句子，仅1字之差，但意思怎能是“相似”？：
“……………………省去n多相同字”
“……………………省去n多不同字”

alzeng

Arr = Range("B2", [B1].End(4)(1, 3)) → Arr = Range("B2", [B65536].End(xlUp).Offset(0, 2))
[B2].Resize(k, 3) = Arr → 将数组Arr的值赋于：以B2单元格起始，扩大到k行3列的区域。

shanchuan

原帖由 gouweicao78 于 2010-7-26 11:19 发表
以字符来算“相似”，恐怕不妥，比如下面两个句子，仅1字之差，但意思怎能是“相似”？：
“……………………省去n多相同字”
“……………………省去n多不同字”

请版主赐教还有更好的办法吗？字符比较是目前我能想到的唯一办法。是不可能100%准确。

shanchuan

原帖由 gouweicao78 于 2010-7-26 11:19 发表
以字符来算“相似”，恐怕不妥，比如下面两个句子，仅1字之差，但意思怎能是“相似”？：
“……………………省去n多相同字”
“……………………省去n多不同字”

讨论：如果扩展要求         详见1楼附件对前提3 “相似”的详解。（按字符特征筛选比简单比较字符相似度要准确的多）       

前提1        代号相等（A列相等）       
前提2        产品名称相等（B列相等）       
前提3        满足前提1和2的重复问题（C列不合格描述相似）超过3次，就是累计超过3行的
前提4        同时满足上面3个前提条件的，在后面的一列标记为1，并复制到sheet1） 见1楼附件

[ 本帖最后由 shanchuan 于 2010-7-26 23:36 编辑 ]