表記揺れへの挑戦、類似文字列検索の世界 : Takamuko::blog

2013年03月20日00:15 by takamuko_k 表記揺れへの挑戦、類似文字列検索の世界 カテゴリプログラミング備忘録 takamuko_k Comment(1) 3/4〜3/15までフルタイムで某Web系の会社にインターンしてきました。 おそらくみなさんご存じのところです。 そこでアプリ開発的なことをしてきたわけですが、そのときに得た知見なんかを備忘録も兼ねて書きたいと思います。 タイトルにもある通り、表記揺れなどに対する類似文字列検索の話です。 ちなみに筆者は数学が不得意なのでどんどん突っ込んでくれるとありがたいです。 たとえば、ナポリマフィアは「カモッラ」「カモルラ」などの表記揺れがあるわけですが、 「カモッラ」「カモルラ」を同じものと見なすにはどうすればいいでしょうか? そんな問いは昔からあるらしく、情報科学の分野ではけっこう類似度の測定手法があるわけですが、代表的なも