"비슷하다"를 숫자로 표현하기

---

1. 편집 거리 (Edit Distance)

Levenshtein Distance

한 문자열을 다른 문자열로 바꾸는데 필요한 최소 편집 연산 수 (삽입, 삭제, 치환)

유사도로 변환:

---

Python 구현

장점: 직관적, 널리 사용됨 단점: 글자 순서에 민감, 느림

---

2. Jaro-Winkler 유사도

이름 매칭에 최적화된 알고리즘 앞부분 일치에 더 높은 가중치

---

Python 구현

장점: 이름/고유명사에 효과적, 오타에 강함 단점: 긴 문자열에 부적합

---

3. Token 기반 유사도

Jaccard Similarity

두 집합의 교집합 / 합집합

---

Cosine Similarity (TF-IDF)

장점: 단어 순서 무관, 긴 텍스트에 적합 단점: 오타에 취약

---

4. 음성 유사도 (Phonetic Matching)

Soundex

발음이 비슷한 단어를 같은 코드로 변환

장점: 발음 오류/변형에 강함 단점: 영어 중심, 한국어 부적합

---

알고리즘 선택 가이드

상황	추천 알고리즘
이름 매칭	Jaro-Winkler
일반 문자열	Levenshtein
주소 매칭	Token-based (Jaccard, TF-IDF)
영어 이름 (발음)	Soundex, Metaphone
긴 텍스트	Cosine Similarity

---

실무 팁

1. 전처리가 반이다

2. 여러 알고리즘 조합

3. 임계값(Threshold) 튜닝