关键词匹配优化（第0篇）—— 问题和思路

工作中遇到一个需求，规范人为输入的特定词汇，大概有100多个词汇。类似下面的情况（关键词比地名复杂一些）

之前是用if else处理的，伪代码如下：

string tempstr;
if(tempstr.contains("海淀") && tempstr.contains("北京") )
{
    return "北京市海淀区";
}
else if(tempstr.contains("山东") && tempstr.contains("威海") )
{
    return "山东省威海市";
}
……//等等一共两百多个else，内容也比较复杂，甚至还有正则匹配之类的
else
{
    return "匹配失败";
}

因为我的工作是写excel插件的，这一百多个 else if 太影响运行效率了，而且维护起来也很不方便，增加词汇也困难。

这两天找了一些相关的知识，打算对这部分进行优化，用nlp中的tf-idf方法进行关键词相似度的计算。

整个流程大致是：在数据库中建立关键词映射表，在插件启动时读取为字典，在使用时如果查询不到，就计算相似度并上传到映射表。