Каковы некоторые алгоритмы сравнения того, насколько похожи две строки?

мне нужно сравнить строки, чтобы решить, представляют ли они одно и то же. Это относится к названиям дел, введенным людьми, где аббревиатуры и другие мелкие детали могут отличаться. Например, рассмотрим следующие два названия:

std::string first = "Henry C. Harper v. The Law Offices of Huey & Luey, LLP";

против:

std::string second = "Harper v. The Law Offices of Huey & Luey, LLP";

человек может быстро оценить, что это, скорее всего, один и тот же. Текущий подход, который я принял, заключается в нормализации строк путем нижнего регистра всех букв и удаления всех знаков препинания и пробелы давая:

std::string firstNormalized = "henrycharpervthelawofficesofhueylueyllp";

и:

std::string secondNormalized = "harpervthelawofficesofhueylueyllp";

сравнение в этом случае одно является подпоследовательностью другого, но вы можете представить себе другие более сложные вариации, где это не обязательно происходит, но у них есть значительные подпоследовательности. Могут также быть случайные ошибки ввода человека, такие как транспонированные буквы и орфографические ошибки.

возможно, какая-то программа для различения символов может помочь? Я видел хорошие программы line diff для сравнения различия в коде, который нужно проверить, есть ли что-то подобное на основе символов, может быть, в boost? Если бы вы могли подсчитать общее количество последовательных символов и принять отношение к символам без разделения, возможно, это было бы хорошей эвристикой?

В конце концов, мне нужно логическое решение о том, чтобы считать их одинаковыми или нет. Он не должен быть совершенным, но в идеале он должен редко ошибаться.

какой алгоритм я могу использовать, что даст мне своего рода количественная оценка того, насколько похожи две строки друг на друга, которые я могу затем преобразовать в ответ "Да/нет" с помощью некоторой эвристики?