1.3.3.8.19 比較: 単語編集距離

「単語編集距離」比較では、値をもう一方の値に変換するのに必要な単語編集(単語の挿入、削除および置換)の最小回数を計算して、複数の単語で構成される文字列/文字配列の値が相互にどの程度一致しているかを判断します。

「単語編集距離」比較は、複数の単語で構成される文字列値(フルネームなど)を照合する際に、文字列値は類似しているが、「文字編集距離」や「文字の一致率」などの文字ベースの一致プロパティを使用しても適切に一致しない場合に使用します。たとえば、値「Joseph Andrew Cole」と「Joseph Cole」は高い一致と考えられますが、文字編集距離は6、文字一致率は63%で、かなり低い一致を示します。同じ2つの値の単語編集距離は1ですが、最初と最後の数文字を照合する追加の比較も使用して、一致候補と判断することもできます。

この比較では、結果バンドの使用がサポートされています。

次の表に、構成オプションを示します。

オプション	タイプ	説明	デフォルト値
データなしのペアを照合	はい/いいえ	このオプションは、識別子の2つのデータなし(Null、または空白文字のみを含む)値を比較した際に、比較結果を判断します。 「False」に設定されている場合、データなし値と別のデータなし値を比較した際、「データなし」の比較結果が返されます。 「True」に設定されている場合、データなし値とデータなし値を比較した際、0の比較結果が返されます(一致する単語数が0であるため)。「データなし」結果が返されるのは、データなし値と移入値を比較した場合のみです。	いいえ
大文字/小文字を区別しない	はい/いいえ	値を比較する際に、大文字/小文字を区別しないかどうかを設定します。 たとえば、大文字/小文字を区別しない場合、「Joseph Andrew COLE」と「Joseph Andrew Cole」の単語編集距離は0です。大文字/小文字を区別する場合は1です。	はい
文字エラーの許容範囲	整数	このオプションは、単語を相互に比較する際に許容される文字編集の回数を指定します。文字編集距離が指定された数値以下の単語はすべて、同じとみなされます。 たとえば、1に設定した場合、この許容範囲を考慮するとすべての単語が相互に一致するため、「Parnham, Middlesex」と「Parnam, Middlesex」の単語編集距離は0になります。	0
数の許容範囲を無視	はい/いいえ	このオプションを使用すると、すべてが数値で構成される単語に対して、文字エラーの許容範囲を無視できます。 たとえば、「はい」に設定して、文字エラーの許容範囲を1にした場合、数値95と96は異なるとみなされるため、1文字しか違わないにもかかわらず、「95 Charnwood Court, Mile End, Parnham, Middlesex」と「96 Charnwood Court, Mile End, Parnam, Middlesex」の単語編集距離は1になります。 「いいえ」に設定した場合、数値は他の単語と同様に処理されるため、前述の例では95と96は同じとみなされ、単語編集距離は0になります。	はい
許容範囲値をパーセンテージ値で処理	はい/いいえ	これを使用すると、文字エラーの許容範囲を、単語長(文字数)に対するパーセントとして処理できます。たとえば、1つの単語で5文字ごとに1つの文字エラーを許容するには、20%の値を使用します。 このオプションは、短い単語が1文字異なるだけで同じと処理されることを防ぐ一方で、長い単語では入力ミスとして許容できるようにする場合に役立ちます。たとえば、「Parnham」と「Parnam」は同じとみなしますが、「Bath」と「Batt」は別として処理されます。 「はい」に設定した場合、単語に差異があるが同じとみなすために、「文字エラーの許容範囲」オプションは、1つの単語内で差異を許容できる文字数の最大パーセントとして入力する必要があります。たとえば、Trueに設定した場合、文字エラーの許容範囲を20%とすると、ParnamとParnhamは同じとみなされます。これは、これらの編集距離が1であり、かつ、ワード長が7文字を超える場合は、1文字の一致エラーの割合が14%となり、20%のしきい値を下回るためです。一方、BathとBattという値は文字の一致エラーの割合が25% (4文字のうち1つがエラー)であるため、同じとはみなされません。 「いいえ」に設定した場合、「文字エラーの許容範囲」オプションは単語間の文字編集の許容範囲として処理されます。	いいえ
単語の順序を無視	はい/いいえ	「はい」に設定した場合、各値内の単語の順序は結果に影響しません。たとえば、「Nomura International Bank」と「International Bank Nomura」の単語編集距離は0になります。 「いいえ」に設定した場合、各値内の単語の順序が考慮されます。そのため、「Nomura International Bank」と「International Bank Nomura」の単語編集距離は3になります。	はい

例

この例では、「単語編集距離」比較を使用して会社名を照合します。次のオプションを指定します。

• データなしのペアを照合= いいえ

• 大文字/小文字を区別しない = はい

• 文字エラーの許容範囲 = 1

• 数の許容範囲を無視= いいえ

• 許容範囲値をパーセンテージ値で処理= いいえ

• 単語の順序を無視 = はい

また、PLC、LIMITED、OFのエントリを含む参照データ・リストを使用して、「単語の削除」変換も追加されています

結果例

次の表に、前述の構成を使用した比較結果をいくつか示します。

表1-57 結果例: 単語編集距離

値A	値B	比較結果
International Bank of Nomura	Nomura International Bank	0
BA Systems Operations	BA SYSTEMS OPERATIONS	0
Oracle Limited	Oracle	0
Oracle Limited	Oraccle	0
George & Sons Plumbers Limited	George Plumber & Sons	0
Price Waterhouse Coopers	Price Waterhouse	1
British Telecom plc	First Telecom	1
Merrill Lynch	Merrills	1
Merrill Lynch	Merrillion Software	2