我有一个超过一百万个联系人的数据库，需要返回a(用户查询和b(定期运行的批处理作业的最佳匹配项。人们的名字匹配很复杂，这一点没有太多争论，我正在考虑不同的路线：
- 自己滚(给我们一些基本的东西，让我们走出障碍(。关于这个主题有很多好的线索，比如如何在.net中计算Metaphone/Soundex名称搜索的分数
- 利用Azure搜索/认知技能：我们的平台已经在Azure中构建，使用Azure搜索可能比(1(工作量更小，跳跃也比(3(更小
- 看看Azure之外专门从事人名匹配领域的第三方(NetOwl/Basicstech/等(
鉴于我们致力于解决西式人名的名称匹配问题，有人能告诉我使用Azure Search解决这个问题的利弊吗？以下是我希望我们能够解决的一些问题：
- 语音相似性：耶稣海泽斯
- 音译拼写差异：Abdul-Rasheed<=>阿布德·拉希德
- 备选名称：William<=>Will<=>账单<=>Billy
- 缺少空格或连字符：MaryEllen<=>Mary EllenMary Ellen
- 截断名称组件：McDonalds<=>麦当劳<=>McD
- 可选名称标记：Joaquín Archivaldo Guzmán Loera<=>Joaquín Guzmán
- 名称顺序变化：Park Sol Mi<=>Sol-Mi公园
- 首字母缩写：J.E.Smith<=>詹姆斯·厄尔·史密斯
提前感谢您的指导和帮助。西蒙。
有趣的案例！我认为这个解决方案没有对错之分，也将取决于预算和时间限制。您的主要数据源是什么？你是否使用Azure认知搜索索引器的支持源，如SQL或CosmosDB。联系人是如何存储的？名字和姓氏是分开的，还是所有内容都在一个字段中？
由于您主要是在寻找有关Azure认知搜索的指导，我将描述如何尝试使用Azure认知搜索解决此问题。希望它能帮助你决定哪种技术最适合你的目的。
我不是在所有情况下都有经验，如果你有更好的建议，请评论这篇文章，我会更新它。有一些类似的主题，他们使用不同的技术，但使用相同的Lucene查询语法和一些标记器。
语音相似性：耶稣Heyzeus
您可以添加PhoneticTokenFilter，在那里您可以为您的特定情况选择性能最佳的编码器。
音译拼写差异：Abdul Rasheed<=>阿布德·拉希德
模糊搜索可能是一种选择，但是上面的例子太不一样了。
备选名称：William<=>Will<=>账单<=>Billy
如果您有这些数据，您可以使用SynonymMaps。
缺少空格或连字符：MaryEllen<=>Mary EllenMary Ellen
您可以使用一个标记器来删除空白和标点符号。
截断名称组件：McDonalds<=>麦当劳<=>McD如果您有此数据，则可以使用SynonymMaps。然而，我认为模糊搜索已经可以完成这项工作了。
可选名称标记：Joaquín Archivaldo Guzmán Loera<=>Joaquín Guzmán您可以利用邻近搜索。
名称顺序变化：Park Sol Mi<=>Sol-Mi公园
这也取决于字段的存储方式，但我认为邻近搜索也可以解决这种情况。
首字母缩写：J.E.Smith<=>James Earl Smith
你可以将标记化器与模糊搜索结合使用。。不确定这个案子。
一个很好的补充是，您还可以提供建议和/或自动完成，向用户显示键入过程中可能的结果。
我的答案不会直接解决所有的问题，但它会给你一个开始。您将不得不对其进行大量测试和调整，因此您应该了解时间/预算限制。