我需要基于名称对一些数据进行交叉验证。

我面临的问题是，根据来源的不同，名称会有轻微的变化，例如：

L & L AIR CONDITIONING   vs L & L AIR CONDITIONING ServiceBEST ROOFING vs ROOFING INC

我有数千条记录，手动处理将非常耗时，我希望尽可能自动化这个过程。

由于有额外的单词，仅仅将名称转换为小写是不够的。

处理这种情况有哪些好的算法？

也许可以计算相关性，给像’INC’或’Service’这样的词赋予较低的权重

编辑：

我尝试了difflib库

difflib.SequenceMatcher(None,name_1.lower(),name_2.lower()).ratio()

我用它得到了一个不错的结果。

回答：

我会使用余弦相似度来达到同样的效果。它会给你一个匹配分数，显示字符串的接近程度。

这里是帮助你实现的代码（我记得几个月前从Stackoverflow上获取了这个代码，现在找不到链接了）