为什么使用Fuzzywuzzy会使令牌设置比率如此之低？

问题描述

我正在使用fuzzywuzzy和Rapidfuzz来查找注释中提到的名称。我通读了“ token_set_ratio”函数的文档，但仍然不了解以下内容：

# I preprocessed the comments to remove stop words and commonly mentioned other words

fuzz.token_set_ratio("reporting michael anders sven straumann guy called jonatjan smith partners","jonathan smith")

# returns 52.6

乔纳森·史密斯只有一个拼写错误，为什么比例如此之低？

此外，是否可以解决该问题，让乔纳森获得更高的分数？

感谢您的帮助， 迈克尔

解决方法

Fuzz.token_set_ratio并不是真正适合您的问题的比率，因为它会对单词进行排序，而您希望保留名字和名字的配对。您可以使用fuzz.partial_ratio来比较长字符串和短字符串中最匹配的子字符串。

fuzz.partial_ratio(
  "reporting michael anders sven straumann guy called jonatjan smith partners","jonathan smith")
# returns 92.85714285714286