حساب تشابه جارو بين سلسلتين نصيتين

يقيس تشابه جارو مدى تقارب سلسلتين نصيتين بالبحث عن المحارف المتطابقة ضمن مسافة محدودة، ثم التحقق من احتفاظ تلك المحارف بترتيب متوافق. تتراوح النتيجة بين صفر عند غياب أي تطابق صالح وواحد عندما تكون السلسلتان متطابقتين. يفيد هذا المقياس خصوصاً مع الأسماء القصيرة والتسميات والمعرّفات وغيرها من القيم التي لا ينبغي أن يؤدي فيها استبدال بسيط أو تبديل موضعي إلى استبعاد تطابق محتمل تلقائياً.

تعرّفوا إلى ما تعبّر عنه درجة جارو

تشابه جارو مقياس قائم على المحارف ومصمم للمقارنة التقريبية. وهو لا يحسب عدد عمليات الإدراج أو الحذف أو الاستبدال اللازمة لتحويل قيمة إلى أخرى. بدلاً من ذلك، يعثر على المحارف المتساوية داخل نافذة مطابقة يتحدد نطاقها وفق طول السلسلة الأطول.

ثم يجمع ثلاث نسب: نسبة الجزء المتطابق من السلسلة الأولى، ونسبة الجزء المتطابق من الثانية، ونسبة المحارف المقترنة التي بقي ترتيبها متوافقاً. تعني النتيجة واحد أن السلسلتين متطابقتان وفق هذا الإجراء، بينما يعني الصفر أن أي محرف لم يستوف شروط المطابقة. تعبّر القيم الواقعة بينهما عن درجات متفاوتة من التشابه، لكن الأداة لا تصنّف درجة بعينها على أنها تطابق أو عدم تطابق.

ينبغي لكم اختيار العتبة بحسب كلفة النتائج الإيجابية الكاذبة والسلبية الكاذبة في تطبيقكم. تستفيد الأسماء والرموز الموجزة وتسميات الفهارس القصيرة من جارو عادةً، لأنه يكافئ المحارف المشتركة وترتيبها من دون اعتبار كل إزاحة صغيرة عملية تحرير منفصلة تماماً.

جهّزوا السلاسل وفسّروا المقارنات باتساق

تجري المقارنة بصورة حرفية وتميّز بين حالة الأحرف. تعد الحروف الكبيرة والصغيرة محارف مختلفة، كما تدخل المسافات وعلامات الترقيم في الحساب. تقارن الخوارزمية نقاط ترميز Unicode، ولذلك تتعامل مثلاً مع كثير من الرموز التعبيرية الإضافية كعنصر مقارنة واحد بدلاً من وحدتي UTF-16.

لكنها لا تجري تسوية Unicode؛ فقد يختلف محرف مركب مسبقاً عن حرف أساسي تتبعه علامة تشكيل مركبة، حتى إن بدا الاثنان متطابقين بصرياً. جهّزوا المدخلين بالطريقة نفسها قبل الاستدعاء إذا كانت آلية العمل تتطلب توحيد حالة الأحرف أو المسافات أو اللكنات أو صيغ Unicode. إن إبقاء تلك الخيارات خارج الحاسبة يجعل السلوك صريحاً ويمنع التنظيف الخفي من تغيير المعرّفات التي يجب الحفاظ عليها حرفياً.

تعيد سلسلتان فارغتان واحداً لأنهما متطابقتان، بينما تعيد مقارنة سلسلة فارغة بأخرى غير فارغة صفراً. وعند مقارنة عدد كبير من السجلات، طبّقوا سياسة معالجة مسبقة واحدة على المجموعة كلها ووثّقوها مع العتبة المختارة.

استخدموا الدرجة بأمان في مسارات المطابقة

تصلح درجة جارو بوصفها قرينة داخل مسار مطابقة، لا دليلاً قاطعاً على أن سجلين يصفان الكيان نفسه. ابدؤوا بأزواج ممثلة وموسومة من بياناتكم، واحسبوا درجاتها، ثم افحصوا مواضع التداخل بين التطابقات الصحيحة والخاطئة. يمكنكم بعد ذلك اختيار عتبة أو نطاق للمراجعة يناسب عواقب القرار غير الصحيح.

عند التعامل مع سجلات العملاء أو الموردين، اجمعوا درجة النص مع حقول مستقلة، مثل معرّف داخلي ثابت أو جزء موثّق من العنوان أو تاريخ. الطريقة متناظرة؛ فتبديل السلسلتين الأولى والثانية يعطي النتيجة نفسها، مما يجعلها ملائمة لترتيب المرشحين وإزالة التكرار. وهي تركّز على قرب المحارف وترتيبها، ولا تفهم المعنى أو المترادفات أو النقحرة أو الأصوات.

لذلك تناسب النصوص الطويلة أو المقارنة الدلالية تقنية أخرى.