關鍵詞匹配優化（第0篇）—— 問題和思路

工作中遇到一個需求，規範人為輸入的特定辭彙，大概有100多個辭彙。類似下麵的情況（關鍵詞比地名複雜一些）

之前是用if else處理的，偽代碼如下：

string TempStr;
if(TempStr.Contains("海澱") && TempStr.Contains("北京") )
{
    return "北京市海澱區";
}
else if(TempStr.Contains("山東") && TempStr.Contains("威海") )
{
    return "山東省威海市";
}
……//等等一共兩百多個else，內容也比較複雜，甚至還有正則匹配之類的
else
{
    return "匹配失敗";
}

因為我的工作是寫Excel插件的，這一百多個 else if 太影響運行效率了，而且維護起來也很不方便，增加辭彙也困難。

這兩天找了一些相關的知識，打算對這部分進行優化，用nlp中的tf-idf方法進行關鍵詞相似度的計算。

整個流程大致是：在資料庫中建立關鍵詞映射表，在插件啟動時讀取為字典，在使用時如果查詢不到，就計算相似度並上傳到映射表。