Comparaison / similitude de texte d'adresse

**Jean-Philippe André** · 20/11/2014, 14h59

Salut,

j'aurais voulu avoir votre avis sur les méthodes les plus efficaces pour faire de la comparaison de texte.

Typiquement je souhaite comparer 2 noms de sociétés ou 2 adresses, et fonction du resultat je considère que les valeurs sont bonnes ou non.

Exemples
- "JPcheck Consulting" vs "JPCheck Consulting EURL" doit être OK
- "66 avenue des Champs Elysees" vs "66 av des Champs Elysees" doit aussi être OK

Les algo parmi lesquels j'ai des pistes pour l'instant :
Boyer-Moore
Knuth-Morris-Pratt

j'ai testé la distance de Levenshtein mais en cas de nom trop court (je fais un Leven / longueur max des chaines), j'ai un OK au lieu d'un NOK.

Les contraintes qui me posent particulièrement problème :
- les abréviations qui peuvent être de tout type (adresse mais aussi type de société)
- le nombre de mots à comparer qui diffère

vous auriez des recommandations à me faire ?

Invité · 21/11/2014, 10h13

slt,

c'est pas des noms de méthode à proprement parler et je sais pas si ca rentre dans ce que tu cherches mais

si tu as une adresse de référence exemple correctement formatée,
ne peux-tu pas structurer ton adresse?
numéro, nomVoie (rue|av|boulevard), nom(napoléon), [scté(st, société), nomSociété] cedex, ville
fin bref...

tu mappes ton adresse de référence et à comparer dans un arbre.
Avec des classes d equivalence pour av, avenue; bd,boulevard

puis ton but c'est alors de comparer deux arbres

l'idée derrière ca, c'est que tu peux créer une distance qui est pondérée par les éléments de l'adresse (par exemple le numéro et le nom sont très importants) alors que le nom de la société l'est moins
(une absence est ok, une différence non par exemple)

après ca suppose que tu aies une adresse en référence correctement formatée

( je n'ai pas de référence, juste une idée matinale)

**Jean-Philippe André** · 21/11/2014, 14h06

Hello,

c'est effectivement la solution que j'aurais pu prendre si mes adresses n'étaient pas mondiales (fr, anglais, allemand, etc.)

faire un dictionnaire des transformations pourra se faire, mais c'est une tâche un peu colossale je trouve

**ody31gr** · 02/12/2014, 13h20

Tu as regarde les expressions régulières floues ?

http://en.wikipedia.org/wiki/Regular...ar_expressions

Cette librairie peut utile:

http://laurikari.net/tre/about/

J'en sais pas plus que toi, mais ce sujet m’intéresse aussi donc tiens nous au courant de ton avancement !

N.B.: Ce serait intéressant de travailler en Unicode pour pouvoir comparer deux chaines de différentes langues

**Jean-Philippe André** · 02/12/2014, 14h12

Hello,

j'ai utilisé la distance de levenshtein au final. Il est intéressant potentiellement de détecter aussi la partie numérique de l'adresse et de la comparer (3 et 4 de la même rue/avenue, ce n'est plus la même adresse.

**ody31gr** · 02/12/2014, 15h17

A partir de quelle valeur de distance levenshtein tu considères que deux chaines sont asses semblables ? Quelle est l’unité de grandeur de cette valeur ?

Tu as pu faire des tests ?