Выбор максимально похожей строки

[PTyTb32]

Привет, есть список с названиями участков:
ДЭУ №1
ДЭУ №3(41)
ПК ЮГ
АБЗ МКАД Запад
ПК Запад
и т.д.

и есть список файлов с сотрудниками:
новые дэу1
сотрудники пк юг новые
список новых сотрудников дэу3-41
и т.д.

задача: по имени файла узнать какой это участок (из списка)

проблема в том, что многие называют участок не так как в базе, к примеру где то есть пробел, где то нет, где то есть скобки, где то нет.

пробовал: искать нужные участки с помощью функции POS, с помощью той же функции и Delete удалял явно лишние слова, но все равно не получается сделать это автоматически(((

Подскажите пожалуйста в какую сторону копать? как найти наиболее подходящий из списка?

[Serge_Bliznykov]

Сообщение от PTyTb32

проблема в том, что многие называют участок не так как в базе, к примеру где то есть пробел, где то нет, где то есть скобки, где то нет.

скорее всего не получится решить чисто административную задачу программным способом.
нужно либо составлять словарь перекодирования (вручную - слово - как они называют и соответствующее ему значение - как это называется правильно).
Либо административным путём решать - все обязать называть правильно.
для этого разослать инструкцию со списком правильных названий. Кто не следует инструкции - наказывать. Постепенно всё будет правильно.

Сообщение от PTyTb32

Подскажите пожалуйста в какую сторону копать? как найти наиболее подходящий из списка?

а что, если автоматически найдётся похожий, но НЕПРАВИЛЬНЫЙ, Вас это устроит?


p.s. вообще. формально говоря, нужно выбрасывать из строки все незначимые символы (в начале и конце строки вообще удалять, в середине все подряд идущие символы (пробелы, тире, скобки и т.п.) заменять на один символ. например, ДЭУ №1
ДЭУ №3(41)
ПК ЮГ
АБЗ МКАД Запад
ПК Запад_", оставшиеся символы строки приводить к одном регистру (либо строчные, либо ПРОПИСНЫЕ буквы). потом сравнивать.
т.е. будет
ДЭУ_1
ДЭУ_3_41
ПК_ЮГ
АБЗ_МКАД_ЗАПАД
ПК_ЗАПАД

и тоже самое делать со списком файлов.
НО! Есть ненулевая вероятность получить неверное значение (коллизию) или, более вероятно, вообще не получить совпадения (ведь можно написать и ДЕЭ №1 и Д Э У - Один, "1-е ДЭУ" и "ДЭУ номер 1" и "ДЭУ1" и т.д. и т.п.

[PTyTb32]

Сообщение от Serge_Bliznykov

ведь можно написать и ДЕЭ №1 и Д Э У - Один, "1-е ДЭУ" и "ДЭУ номер 1" и "ДЭУ1" и т.д. и т.п.

вот они так и делают, я хотел программно разделить это что бы лишний раз не напрягать людей, но видимо не получится... слишком много гребаных условий

[Filka]

const
  cNames: array[0..4] of string = ('ДЭУ №1', 'ДЭУ №3(41)', 'ПК ЮГ',
    'АБЗ МКАД Запад', 'ПК Запад');

procedure TForm1.Button1Click(Sender: TObject);
var
  I, N1, N2, R: Integer;
begin
  R := -1;
  N1 := 0;
  N2 := 0;
  for I := Low(cNames) to High(cNames) do
  begin
    // Функция IndistinctMatching взята отсюда
    // http://delphikingdom.com/asp/viewitem.asp?catalogid=722
    N1 := IndistinctMatching(4, Edit1.Text, cNames[I]);
    if N1 > N2 then
    begin
      N2 := N1;
      R := I;
    end;
  end;
  if R <> -1 then
    ShowMessage(cNames[R]);
end;

?

[Sciv]

Сообщение от PTyTb32

что бы лишний раз не напрягать людей, но видимо не получится... слишком много гребаных условий

Можно разделить программно то, что определяется, и то, что не определяется. Первую часть, соответственно, обработать автоматически, а вторую - отдать людЯм на растерзание. Всё же полегче будет...

[Slym]

Нечёткий поиск
читаем https://habrahabr.ru/post/336906/
выдираем алгоритмы
портируем код

[min@y™]

function StringSimilarity(const AOrigin, ABuffer: string): Single;
var
  Index, oLen, bLen, Count: Integer;
  oSymb, bSymb: Word;
  Sum: Single;
begin
{ кол-во символов, которые не совпадают, всегда меньше кол-ва несовпадений.
  aaaa <---> aaaa : 0 + 0 + 0 + 0 = 0     (1/1 + 1/1 + 1/1 + 1/1)/4 = 1.00
  aaaa <---> aaab : 0 + 0 + 0 + 1 = 1     (1/1 + 1/1 + 1/1 + 1/2)/4 = (7/2)/4 = 0.875
  aaaa <---> aaac : 0 + 0 + 0 + 2 = 2
  ......
  aaaa <---> aaaa : 0 + 0 + 0 + 0 = 0
  aaaa <---> aaba : 0 + 0 + 1 + 0 = 1
  aaaa <---> aabb : 0 + 0 + 1 + 1 = 2
  ......
  aaaa <---> bcde : 1 + 2 + 3 + 4 = 10     (1/2 + 1/3 + 1/4 + 1/5)/4 = 0.32083333333333333333333333333333}
  
  Result:= 1.0;
  oLen:= Length(AOrigin);
  bLen:= Length(ABuffer);

  Count:= Max(oLen, bLen);
  if Count = 0
    then Exit;

  Sum:= 0.0;

  for Index:= 1 to Count do
    begin
      if Index <= oLen
        then oSymb:= Word(AOrigin[Index])
        else oSymb:= 0;

      if Index <= bLen
        then bSymb:= Word(ABuffer[Index])
        else bSymb:= 0;

      Sum:= Sum + 1.0 / (1 + Abs(oSymb - bSymb));
    end;

  Result:= Sum / Count;
end;

procedure CalcAverSimilarities(ALines: TStrings);
var
  oIndex, bIndex, Count: Integer;
  Coef: Single;
begin
  Count:= ALines.Count;

  for oIndex:= 0 to Count - 1 do
    begin
      Coef:= 0.0;

      for bIndex:= 0 to Count - 1 do
        Coef:= Coef + StringSimilarity(ALines[oIndex], ALines[bIndex]);

      Coef:= Coef / Count;
      ALines.Objects[oIndex]:= Pointer(Coef);
    end;
end;

[PTyTb32]

Сообщение от Sciv

Можно разделить программно то, что определяется, и то, что не определяется. Первую часть, соответственно, обработать автоматически, а вторую - отдать людЯм на растерзание. Всё же полегче будет...

да я так и сделал пока, пользователь тыкает на очередного сотрудника и выбирает какому у частку он соответствует, дальше программа заменяет подразделение у всех сотрудников из этого файла, но тут есть еще один ответ который смотрит на релевантность сравнения, попробую с ней околдовать)) Спасибо Filka
и да!!!! оно работает!!! еще много спасибо Filka!!!!!

[Filka]

Пожалуйста.