Как быстро искать по базе, ФИО?

Question

[rudejah]

Доброго времени суток!

Занимаюсь разбором отчетов с банков.
Чтобы правильно искать кто-же и за что-же было оплачено - нужно лицевой счет, ФИО, и если этого ничего нет - то адрес.
Вся эта информация может указываться в хаотичном порядке, или совсем не указываться.
С лицевым счетом - получилось вытащить.
Теперь хочу попытаться вытащить еще и ФИО.

Как указывается фио? Да как угодно! Например вот так:
1. петров и и
2 Петров Иван И
3. Петров И Иванович
4. петров и. и.
5. ПЕТРОВ ИВАН ИВАНОВИЧ
6. Оплата за Петрова Ивана Ивановича
7. Петров И.И.
8. Петров И. И.
9. ПЕТРОВ И. И.
10. ПЕТРОВ и и
11. Петровы Н. Н. и Ж. Н.
и все похожие варианты

Сравнение идет с биллинговыми записями, которые тоже в таком же хаотичном порядке были заведены =(

Идея была такая - перевести в нижний регистр обе стороны, проверить если ИО полностью подходит, то хорошо, если нет, то оставлять по одной букве (первой) и тогда производить сравнения..

Может еще есть какие варианты? Или кто-то еще

Comments

[Алексей Яхненко]

можно чуть больше информации?
где и в каком виде хранятся записи, нужен поиск в базе либо просто парсинг и подготовка значений?

[rudejah]

1. Записи с исходными фио хранятся в бд mysql вида {счет|фио|адрес}
2. Что надо сравнивать вытаскивается из выписок банков. (Нужен еще парсинг строки, чтобы вытащить ФИО, для этого и привёл примеры какие попадались мне на глаза фио.)
3. Надо сравнить что отпарсено с тем что в базе. Притом что фио могут быть указаны в хаотичном порядке (тоесть с маленькой или бльшой буквы, с полными именами и отчествами, с кототкими, в базе тоже самое).
Вот и думаю на сколько это релально, хотябы часть выскивать хотябы и проверять.

Answer 1

[Viktor Vsk]

Как быть с вариантами 6 и 11, в перворм приближении, хз.
В остальных случаях, если интересует "хотя бы частичное совпадение", я бы предложил перевести все в нижний регистр, представить, что у вас есть "3 элемента (составляющих)". Один из них - фамилия. Другие - имя и отчество (неважно, какой порядок, инициалы или полное и т.д.). А далее - сравнивать с заранее подготовленной базой фамилий. Думаю, для русскоязычного населения, для 80% случаев, этот список все же будет не сильно большим.

Алгоритм таков примерно. Нашли среди трех элементов слово, подходящее под фамилию. Дальше проверяете оставшиеся два элемента. Сначала по полному совпадению (как вариант, алгоритмом нечеткого сравнения и пробуя подобрать желаемый порог), если не помогло - по инициалам.

Мне кажется, кое-как результат может быть удовлетворительным (для первого приближения, плюс - реализация не так сложна для проверки). А дальше уже отталкиваться от эффективности и поставленных целей.