Nội Dung Bài Viết

Trong công việc, việc xử lý dữ liệu thường gặp phải tình huống cần chỉnh sửa các từ hoặc cụm từ gần giống nhau. Nguyên nhân có thể do nhập liệu sai, nhập liệu không thống nhất từ nhiều nguồn, hoặc do cách viết tắt, bỏ dấu khác nhau. Vậy làm thế nào để tự động phát hiện và chỉnh sửa những điểm không nhất quán này? Bài viết này trên Thủ Thuật sẽ giới thiệu về khoảng cách Levenshtein (Levenshtein distance) và cách ứng dụng nó để tìm chuỗi gần giống nhau trong Excel, giúp bạn tối ưu hóa quy trình xử lý dữ liệu.

Nếu bạn đã quen thuộc với Levenshtein Distance và muốn tìm hiểu cách sử dụng VBA để so sánh nhiều chuỗi cùng lúc, hãy tham khảo bài viết So sánh, tìm chuỗi gần đúng với Levenshtein trong VBA.

Khoảng Cách Levenshtein là gì?

Khoảng cách Levenshtein, hiểu đơn giản, là số đo sự khác biệt giữa hai chuỗi ký tự. Cụ thể hơn, nó là số lượng thao tác tối thiểu cần thực hiện (xóa, chèn hoặc thay thế ký tự) để biến đổi chuỗi này thành chuỗi kia.

Khoảng cách Levenshtein giữa hai chuỗi là số lượng thao tác xóa, chèn hoặc thay thế ký tự đơn lẻ tối thiểu cần thiết để biến đổi chuỗi này thành chuỗi kia.

Ví dụ:

Chuỗi 1: mèo; Chuỗi 2: mẹo
Khoảng cách Levenshtein là 1 vì chỉ cần thay thế ký tự “è” bằng “ẹ”.
Chuỗi 1: FPT; Chuỗi 2: FPT Software
Khoảng cách Levenshtein là 8 vì cần thêm 8 ký tự ” Software”.

Xem thêm: Tạo Phiếu Thu Chi Chuyên Nghiệp trên Excel

Công Thức Tính Khoảng Cách Levenshtein

Công thức tính khoảng cách Levenshtein được biểu diễn như sau:

Công thức Levenshtein

Minh họa Levenshtein

Trong đó:

a, b: Hai chuỗi cần so sánh.
i, j: Vị trí ký tự trong chuỗi (tính từ 1).

Giải thích:

Nếu i hoặc j bằng 0, khoảng cách Levenshtein bằng giá trị lớn nhất của i và j.
Trường hợp khác, khoảng cách Levenshtein là giá trị nhỏ nhất trong ba trường hợp sau:
1. lev(i-1, j) + 1 (Xóa ký tự thứ i của chuỗi a)
2. lev(i, j-1) + 1 (Chèn ký tự thứ j của chuỗi b vào chuỗi a)
3. lev(i-1, j-1) + cost (Thay thế ký tự thứ i của chuỗi a bằng ký tự thứ j của chuỗi b nếu chúng khác nhau, cost = 1; giữ nguyên nếu chúng giống nhau, cost = 0).

Ví dụ:

Ví dụ tính Levenshtein

Bắt đầu từ lev(a, b)(1, 1) và kết thúc tại lev(a, b)(3, 3).

Áp Dụng Tìm Chuỗi Gần Giống Nhau trong Excel

Dựa trên khoảng cách Levenshtein, ta có thể xây dựng mô hình so sánh hai chuỗi trong Excel.

Bước 1: Nhập Chuỗi

Nhập chuỗi cần so sánh vào hai ô, ví dụ A1 và A2.

Nhập chuỗi

Bước 2: Tạo Bảng Tính

Tạo bảng tính với ký tự “#” tại D2 và C3 để đánh dấu vị trí bắt đầu.

Tạo bảng

Bước 3: Tách Ký Tự

Tách các ký tự của chuỗi và điền vào bảng. Sử dụng công thức =MID(A1,ROW(INDIRECT("1:"&LEN(A1))),1) tại C4 và =TRANSPOSE(MID(A2,ROW(INDIRECT("1:"&LEN(A2))),1)) tại E2 (đối với Excel 365). Đối với phiên bản Excel khác, có thể sử dụng công thức mảng.

Xem thêm: Hàm COUNTIF trong Excel: Hướng Dẫn Chi Tiết và Ví Dụ Thực Tế

Tách ký tự

Bước 4: Điền Giá Trị Levenshtein

Ô D3: Điền giá trị 0.
Cột D (từ D4) và hàng E (từ E3): Điền dãy số tự nhiên bắt đầu từ 1.
Các ô còn lại: Sử dụng công thức =IF(ISTEXT($C4)*ISTEXT(E$2),IF(MIN($D4,E$3)=0,MAX($D4,E$3),MIN(D4+1,E3+1,IF(EXACT(LOWER($C4),LOWER(E$2)),D3,D3+1))),"") tại E4 và kéo thả cho các ô còn lại. Hàm LOWER giúp xử lý trường hợp ký tự hoa/thường.

Điền giá trị

Bước 5: Tính Tỷ Lệ Trùng Khớp

Tính tỷ lệ trùng khớp bằng công thức: =(LEN(A1)+LEN(A2)-INDIRECT("R"&LEN(A1)+3&"C"&LEN(A2)+4,FALSE))/(LEN(A1)+LEN(A2))

Kết quả

Kết Luận

Hy vọng bài viết này trên Thủ Thuật đã giúp bạn hiểu rõ về khoảng cách Levenshtein và cách áp dụng nó để tìm chuỗi gần giống nhau trong Excel. Bạn có thể áp dụng phương pháp này để so sánh dữ liệu, kiểm tra chính tả, và nhiều ứng dụng khác trong công việc. Tham khảo thêm bài viết về Group đối tượng sử dụng Fuzzy Matching trong Power Query để tìm hiểu thêm về các kỹ thuật xử lý dữ liệu tương tự.

Đánh Giá Bài Viết