---
title: "Fuzzy Matching"
type: concept
tags: ["identity-resolution", "string-similarity", "normalization", "entity-matching"]
sources: ["identity-graph-operator"]
last_updated: 2026-04-25
---

# Fuzzy Matching（模糊匹配）

## Definition
处理"相同实体但文本表达不同"记录的能力——通过规范化（Normalization）和相似度算法，将表面不同的记录识别为同一实体。是身份解析的核心挑战之一。

## Core Techniques

### 1. Nickname Normalization
```python
nicknames = {
    "bill": "william", "bob": "robert", "jim": "james",
    "mike": "michael", "dave": "david", "joe": "joseph",
    "tom": "thomas", "dick": "richard", "jack": "john",
}
# "Bill Smith" → "william smith"
```

### 2. String Similarity
| 算法 | 适用场景 |
|------|----------|
| Levenshtein Distance | 字符级编辑距离 |
| Jaro-Winkler | 人名高权重前缀匹配 |
| Soundex / Metaphone | 语音相似性（"Jon" = "John"） |
| Token-based（TF-IDF） | 多词短语 |

### 3. Field-specific Normalization
| 字段类型 | 规范化规则 |
|----------|------------|
| Email | `lower().strip()` |
| Phone | `re.sub(r"[^\d+]", "", value)` → E.164 格式 |
| Name | Nickname expansion + lowercase |
| Address | Street abbreviation（St→Street）、directionals（NE→Northeast） |

## Example
```
记录A: "Bill Smith", wsmith@acme.com, +1-555-0142
记录B: "William Smith", wsmith@acme.com, +15550142
        ↓ Normalize + Score
Email:     1.0（exact match）
Name:      0.82（Bill→William nickname expansion）
Phone:     1.0（E.164 normalized）
────────────────────────────────
Total:     0.94 confidence → 触发自动 merge（> 0.95 阈值接近）
```

## Relationship to Related Concepts
- [[Fuzzy-Matching]] 是 [[Identity-Resolution]] scoring 层的核心技术
- [[Blocking]] 筛选候选对后，[[Fuzzy-Matching]] 执行细粒度字段比较
- [[Confidence-Score]] 综合所有字段的 fuzzy match scores 得出最终决策