数据模糊匹配或相似度匹配函数公式实现及思路解析 |
您所在的位置：网站首页 › vba 工作表名称模糊查找怎么设置 › 数据模糊匹配或相似度匹配函数公式实现及思路解析 |
数据模糊匹配或相似度匹配函数公式实现及思路解析
本帖最后由 胡剑0227 于 2013-8-22 22:35 编辑
【基本思路】 既然不规则，那么分析某比对数据（比如“莫泰连锁酒店(孙权路店)”，记为【A1】）的各个字符在目标数据列中出现的次数是很有意义的，比如【A1】的各个字符在目标数据列的【B1】中出现了12个，在【B2】中出现了7个，在所有其他数据中出现的次数更少，那么有理由判定与【A1】匹配的数据是【B1】。以图3为例简要讲解实现步骤。
思路解析1.png (28.22 KB, 下载次数: 1802) 下载附件 保存到相册 2013-8-22 20:50 上传 图3 基本思路的实现方式 步骤1 将C5单元格“莫泰连锁酒店(孙权路店)”的各个字符进行拆分，生成一个12个元素的一维水平数组，如C6:N6单元格区域所示，可由以下公式实现。 =MID($C$5,{1,2,3,4,5,6,7,8,9,10,11,12},1)复制代码 步骤2 B19单元格为“富阳国际贸易中心大酒店”，分析C6:N6的各个字符在B19单元格中出现的次数可由以下公式得到，最后的效果显示在C19:N19单元格区域中。 =--ISNUMBER(FIND($C$6:$N$6,B19,1))复制代码 步骤3 将上述公式中的B19换成B7:B15，那么就能返回C6:N6的各个字符在B7:B15各个单元格中出现的次数，得到图3中的【A】区域，每一行对应B7：B15中的一个单元格。公式如下所示。 =--ISNUMBER(FIND($C$6:$N$6,B7:B15,1))复制代码 步骤4 将【A】区域进行按行汇总就得到【B】区域，【B】区域中最大的数值所对应的数据即是目标匹配数据。对【A】区域C7:N15进行按行汇总的公式如下： =MMULT(C7:N15,{1;1;1;1;1;1;1;1;1;1;1;1})复制代码 步骤5 使用MAX函数可以求得P7：P15中的最大值，该最大值并结合MATCH函数即可返回该最大值在P7：P15中的位置，根据这个位置在B7：B15中返回目标“莫泰连锁酒店(富阳孙权路店)”，具体公式如下。 =INDEX(B7:B15,MATCH(MAX(P7:P15),P7:P15,0)) 于是“莫泰连锁酒店(孙权路店)” 匹配上 “莫泰连锁酒店(富阳孙权路店)”【改进思路】以上方式的缺陷是没有考虑到各个字符的价值是不同的，比如在为“莫泰连锁酒店(孙权路店)”搜索匹配项时字符【莫】、【泰】、【孙】、【权】的价值要远比字符【酒】、【店】的价值高。这是因为本例中字符【酒】、【店】是极常见的字符，于是某目标包含了这两个字符对于确认是否匹配没有过多的帮助，而【莫】、【泰】等字符在本例是不常见的字符，因此某目标出现了这两个字符对于确认匹配是非常有帮助的。 因此，需要将各个字符的出现频次进行考虑，频次高的降低其匹配价值（图3【A】区域的每个数字代表了匹配价值），这就是【改进思路】。
思路解析2.png (30.39 KB, 下载次数: 1694) 下载附件 保存到相册 2013-8-22 21:13 上传 图4 改进思路的实现方式步骤1 将图3【A】区域进行按“列”汇总就可以得到各个字符共出现在几个目标数据中，如图4【CC】区域所示，具体公式如下。 =MMULT({1,1,1,1,1,1,1,1,1},C7:N15)复制代码步骤2 将图3【A】区域除以图4【CC】区域得到图4的【AA】区域，此时可以看到对于第32行，【莫】、【泰】的权值为1，而【酒】、【店】的权值仅仅为0.13，这样最后得到的【BB】区域中最大值为7.375，次大值为2.375。这远比图3中的最大值12，次大值为7的区分度要好得多。 余下实现与【基本方式】如出一辙，有兴趣可以下载附件，创意在于为每个字符构造的权值。当然这种思路还是可以再次提升的，于是有了下面的【进一步提升】。 |
【本文地址】
今日新闻 |
推荐新闻 |