Jaro-Winkler Distance

ジャロ・ウィンクラー距離（Jaro-Winkler Distance）はジャロ距離を改良し、共通する接頭辞に重みを付ける。接頭辞が重要な人名などの短い文字列の照合に適する。

目的

人名や短いテキストのあいまい照合に、接頭辞に敏感な文字列類似度を提供する。

メカニズム

ジャロ距離は一致文字数と転置を考慮する。Jaro-Winkler = Jaro + l×p×(1−Jaro)。l は共通接頭辞長（≤4）、p は接頭辞重み（通常 0.1）である。出力は 0（完全に異なる）から 1（同一）までである。

ユースケース

人名や住所のマッチング
レコードリンケージ
スペル修正
重複排除（デデュープ）

例

入力
```
MARTHA vs MARHTA
```
Output
```
0.961
```
High similarity

よくあるエラー

Using Jaro-Winkler on long strings (prefix weighting loses significance): Use Levenshtein or cosine similarity for long strings

関連用語

Levenshtein Distance

レーベンシュタイン距離は、二つの文字列を同一にするために必要な単一文字の挿入・削除・置換の最小回数である。

Hamming Distance

ハミング距離（Hamming Distance）は、等長の 2 つの文字列で対応する文字が異なる位置の数である。等長の比較にのみ適用できる。

ファジーサーチ（Fuzzy Search）は、綴りの揺れに耐性を持つ検索技術であり、編集距離、n-gram、音声アルゴリズムなどに基づいて近似した結果を照合する。

関連ツール

ハミング距離計算ツール

Hamming Distance — 純クライアントサイドツール。プライバシーファースト、サーバー往復なし。

References