公司名称的模糊匹配问题，如何编程？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问论坛里的大牛，两个数据库之间精确匹配用的是merge命令，但如果要实现两个数据库中公司名称的模糊匹配，比如两个公司名称除去“有限责任公司”几个字外如果有两个字是相同的，我就把它们匹配起来，这样如何做到？怎样编程？请各位大神们不吝赐教！！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：公司名 有限责任公司 Merge 怎样编程 数据库 如何

把数据里不需要对应的字删掉然后再考虑使用merge

夏目贵志 发表于 2015-11-1 09:28
把数据里不需要对应的字删掉然后再考虑使用merge

这么做是不对的。我感觉还得自己编程，比如两个公司名称中有八个以上的汉字相同就匹配在一起。我不知道怎么用stata编，所以我打算试试vba。

wudizhao 发表于 2015-11-1 10:01
这么做是不对的。我感觉还得自己编程，比如两个公司名称中有八个以上的汉字相同就匹配在一起。我不知道怎 ...

为什么不对？不过你说不对就不对咯。本来就只是个建议 :）
不过你的方法也有问题，“南京市公交有限责任公司”和“南京市地铁有限责任公司”，“南京市有限责任公司”一共九个字......

夏目贵志 发表于 2015-11-1 10:59
为什么不对？不过你说不对就不对咯。本来就只是个建议 :）
不过你的方法也有问题，“南京市公交有限责任 ...

对不起，我有点急，语气太鲁莽了，请您谅解！我只是觉得您的方法不好操作，按您的方法，怎样把数据里不需要对应的字删掉？比如我可以把“有限责任公司”几个字删掉，然后呢怎么匹配？感觉还是不行啊。我的做法是，两个公司名称中有六个以上的汉字相同就匹配在一起，比如“万科企业股份有限公司”和“上海万科房地产集团有限公司”匹配起来，然后再人工检查，排除确实不匹配的样本。

wudizhao 发表于 2015-11-1 11:21
对不起，我有点急，语气太鲁莽了，请您谅解！我只是觉得您的方法不好操作，按您的方法，怎样把数据里不需 ...

没关系。如果说比较相同的字数是基本的思路的话，我说的把不需要用来对应的删掉就是为了能更好的比较，即，把明显会重复并造成干扰的部分删掉。具体删什么不删什么得看你数据实际是什么样子的。
本来Stata处理文本并不是强项，更何况是中文（英文的话还可以考虑soundex）。能用别的软件匹配的话不要跟stata死磕。

你说的例子“万科企业股份有限公司”和“上海万科房地产集团有限公司”到底是属于该配对的还是不该配对的呢？比如一个集团控股的几家公司是要配对还是不配对？按什么标准决定？这些因素都要考虑。实在不行还是人工检查一下吧。

夏目贵志 发表于 2015-11-1 12:39
没关系。如果说比较相同的字数是基本的思路的话，我说的把不需要用来对应的删掉就是为了能更好的比较，即 ...

好的，谢谢你！我就按照这个思路试一下吧

wudizhao 发表于 2015-11-1 16:45
好的，谢谢你！我就按照这个思路试一下吧

祝顺利~要是找到能让stata自动完成的方法请来分享一下哦！

楼主有解决方法了么？我也在做这个方面的努力，请问可以支教一下吗？

试试一下自己编一套精简的公司名，由各种公司名按照某个方式省略得到。尽量确保左右两个dta的公司名，经过该精简方式后得到相同的公司名。在两个dta生成该精简公司名后，按照该公司名匹配。
ps：无论你采用何种语言，何种匹配技巧，都必须是你能充分理解的技巧，盲目调用别人的程序，当心吃不了兜着走。