我正在尝试制作一种算法，可以轻松地将同义词（带有不匹配、大写字母、缩略词等）简化并分组为一个。我认为应该有一种标准的方法来构建这样一个结构，在寻找可能不匹配的字符串时，如果该字符串存在于结构中，它会返回一个标准化的字符串键。简而言之，有时同一个概念可以用几种方式书写，但我只想保留这个概念。
例如：Supose我想规范化或简化的外观
"General Director", "General Manager", "G, Dtor", "Gen Dir", ...
进入
"GEN_DIR"
并且仅保留该结果以供进一步参考。
顺便说一句，我想用这样的密钥/值对构建哈希
hash["General Director"]="GEN_DIR"
hash["General Manager"]="GEN_DIR"
hash["G, Dtor"]="GEN_DIR"
hash["G, Dir"]="GEN_DIR"
可能是一个解决方案，但我怀疑还有更优雅或更充分的解决方案。
我还需要一种方法，在没有任何数据库的情况下轻松地保持这种联想结构，因为当我发现同一个单词或句子有更多的不匹配时，它应该会增长。我认为一种可能的方法是通过DSL来定义这个结构，但我愿意接受建议。
好吧，没有规则，至少有一个明确的规则。
我的目标是从网络上删除一些"结构化"数据，这些数据有时是不正确或不完整的。有些字段是描述，可以保持原样。但有些字段被怀疑是"集合"，但类型不正确（如我的示例）。作为一个能读懂它的人，他立刻知道它的含义，并能将其与意义联系起来。
但我想尽可能地自动化将这些可能的不匹配减少到只有一个"字符串"（或符号）的过程，例如，在将其保存到数据库中之前。因此，我需要的是一种散列或字典，正如sawa正确指出的那样，我可以用它来查找任何这样的脏字符串，以获得规范化的字符串或符号。
当然，也希望有一种方法来制作这个散列（或者它可能是什么），以某种方式从新的不匹配中学习，并自动添加新的关联（可能是基于不匹配字符串和规范化字符串之间的距离测量，如果低于X，则会建立新的关联）。整个关联（即散列）应该随着新的不匹配和概念的出现而增长，不过，它应该保存在任何地方（可能是在xml文件中，或者类似于Mori下面回答的内容），以备将来使用。
有什么新想法吗？