Jaro-Winkler

定义 Definition

Jaro–Winkler（杰罗–温克勒）相似度/距离：一种用于比较两个字符串相似程度的指标，常用于姓名匹配、去重、实体对齐、记录链接（record linkage）等场景。它在 Jaro 相似度基础上，对前缀相同的字符串给予额外加权，因此对“开头相同但后面略有差异”的字符串更敏感。（也常被称为 Jaro–Winkler similarity 或 Jaro–Winkler distance。）

发音 Pronunciation (IPA)

/ˈdʒæroʊ ˈwɪŋklər/

例句 Examples

Jaro-Winkler is often used to match names that are spelled slightly differently.
Jaro-Winkler 常用于匹配拼写略有不同的人名。

In our data-cleaning pipeline, we combined Jaro-Winkler with rule-based filters to identify duplicate customer records across multiple systems.
在我们的数据清洗流程中，我们将 Jaro-Winkler 与基于规则的过滤器结合，用于识别多个系统之间重复的客户记录。

词源 Etymology

该术语来自两位研究者的姓氏：Jaro（Matthew A. Jaro）提出了用于字符串比较的 Jaro 度量思想；Winkler（William E. Winkler）在此基础上引入“前缀加权”等改进，使其在姓名等领域更实用，因此合称 Jaro–Winkler。

相关词 Related Words

• Levenshtein
• Damerau-Levenshtein
• Hamming
• N-Gram
• Jaccard
• Cosine
• Record Linkage
• Fuzzy Matching

文学与著名作品 Notable Works

• William E. Winkler, “String Comparator Metrics and Enhanced Decision Rules in the Fellegi–Sunter Model of Record Linkage”——记录链接（record linkage）经典文献中讨论并推广了相关字符串比较度量（常提及 Jaro 与 Jaro–Winkler）。
• 《Duplicate Record Detection》（关于重复记录检测/数据去重的学术与技术书籍中常作为常用相似度方法出现）——在实体解析（entity resolution）与去重章节中常列为对姓名字段有效的指标。
• 《Entity Resolution and Information Quality》（实体解析与信息质量相关著作）——通常在“字符串相似度度量”部分介绍 Jaro–Winkler 用于人名、地址等字段匹配。