下午好，
我希望我能从某人那里得到帮助。如果不是一些示例代码，那么我应该朝着这个方向前进。
从本质上讲，我有两个字符串术语和 ID 的大型列表(每个大约 10-20,000 条记录)。这些列表来自两个不同的数据提供程序。这些列表显然在主题上彼此相关，但是每个数据提供程序的术语命名约定略有不同。例如，list1 将具有术语"术语(某些子类别)">，列表 2 将具有"术语 - 某个子类别"。此外，list1 可以有"术语(某些子类别)"和"术语(某些子类别 2)">，而列表 2 只有"术语 - 某些子类别"。
这两个列表都具有以下属性 - "term"和"id"。我需要做的是比较两个列表中的每个术语，如果找到合理的匹配，则生成一个包含"term"，"list1id"，"list2id"属性的新列表。如果没有找到一个术语的匹配项，我还需要将其添加到列表中，并带有"list1id"或"list2id"空/空白(这将指示不匹配术语的来源)。
我愿意给我们一个NuGet包来积累这个，或者如果有人有一个我需要的很好的例子，那也会有所帮助。从本质上讲，我正在尝试根据每个术语中的模糊术语生成一个新的合并列表，同时以某种方式保留匹配术语的 ID。
我的研究挖掘了一些类似的文章和来源，如 https://matthewgladney.com/blog/data-science/using-levenshtein-distance-in-csharp-to-associate-lists-of-terms/和 https://github.com/wolfgarbe/symspell，但似乎都不符合我的需求。
我该何去何从？任何帮助都会很棒！
掘金
你的问题很宽泛，但我会尝试一个广泛的答案，至少，让你开始。 我以前做过这种事情。
分两个阶段进行：首先规范化，然后匹配。 通过这样做，您可以消除已知但不相关的差异原因。例如，通过规范化，使所有内容都大写，删除空格，删除非字母数字字符等。 你需要有一点创造力，并在你可能遇到的任何限制下工作("艾米(小马)"和"艾米小马"是一回事吗？ 然后计算 距离。
创建一个具有几个属性的类，以包含左侧列表中的值、右侧列表中的值、规范化值、分数等。
获得匹配项后，创建该类的实例，将其添加到列表或等效项，从原始列表中删除旧值，然后继续。
尝试编写代码，以便跟踪中间值(例如规范化值等)。 这将使调试更容易，并允许您在完成处理后记录所有内容。
完成后，您可以丢弃中间值，只保留您标识为匹配项的内容。