在Java中，我使用Levenshtein算法（apache commons）尝试将一个列表中的对象与另一个“几乎完善”的列表进行匹配。几乎完善的列表包含以下项目：

• 面包
• 螺丝刀
• 螺丝
• 番茄
• 书籍
• 番茄汁
• 半个苹果
• 绿苹果
• 苹果

另一个大列表可能包含上述相同的词语，但也可能包含其他内容，因为它可以是句子的一部分或特定的项目（例如，四分之一的绿苹果或一本用过的编程书）。这个列表中的项目被索引并属于特定的盒子。这是一个数据库表，其中项目被索引。

我试图做的就是将大列表中的项目与“完善”的列表进行关联。例如：

• 四分之一的绿苹果 => 苹果
• 一本稍微用过的编程书 => 书籍（如果列表中有“编程书”，则为编程书）

Levenshtein算法本可以是解决方案，但我没有得到预期的结果，有时完全错误，有时不够智能（例如，“编程键盘”被索引为“编程书”而不是“键盘”）。

有没有更有效的方法来做这件事？我认为我的第一步是清理完善的列表，但我还不知道如何做。也许我还应该对列表中的词语进行加权处理（如果有多个词，带“-ing”的词语重要性较低，例如）。

我还怀疑我应该提供几种匹配级别。100%匹配，80%等。

回答：

我认为你有两个问题。首先，你需要从一个句子中找出关键词（例如，书籍）。如果你有一个像“spooky parasol”这样的句子，其中“spooky”与“book”的Levenshtein距离为4，那么你就会遇到问题。

在从句子中检索出关键词后，你当然可以将每个词与特定的项目词进行比较，并将拼写错误的词视为与最短Levenshtein距离的项目词相同。问题在于，对于每个词，你都需要与每个项目进行Levenshtein比较。

如果知道你的项目可能是什么，找出关键词会更容易。如果你没有特定的项目集，但所有专有名词都可以，那么你真的会遇到问题；）