如何在JavaScript中实现句子间词汇相似度检测及匹配词汇获取？

要实现你需要的词汇匹配逻辑，核心是统一大小写+词汇级别的交集检测，之前的方法没成功大概率是没处理大小写和词汇拆分的问题。下面是具体实现：

实现思路 #

1. 统一转换为小写，避免大小写差异导致匹配失败
2. 把句子拆分为独立词汇数组（自动过滤标点、多余空格）
3. 用集合（Set）快速查找两个句子的共同词汇
4. 返回匹配状态和所有匹配的词汇

代码实现 #

function checkWordSimilarity(mastersentences, keywordsentences) {
    // 辅助函数：将句子转为小写并拆分为词汇集合
    const getWordSet = (sentence) => {
        // 去除标点、转小写、拆分为词汇数组，再转成Set去重
        return new Set(
            sentence.toLowerCase().split(/\W+/).filter(word => word.trim() !== '')
        );
    };

    const masterWords = getWordSet(mastersentences);
    const keywordWords = getWordSet(keywordsentences);
    const matchedWords = [];

    // 遍历关键词集合，找主句子里的共同词汇
    for (const word of keywordWords) {
        if (masterWords.has(word)) {
            matchedWords.push(word);
        }
    }

    return {
        isMatch: matchedWords.length > 0,
        matchedWords: matchedWords
    };
}

// 测试你的示例
let mastersentences = "Gambir, Kecamatan Gambir, Kota Jakarta Pusat, Daerah Khusus Ibukota Jakarta";
let keywordsentences = "DKI JAKARTA";
const result = checkWordSimilarity(mastersentences, keywordsentences);

console.log(result.isMatch); // true
console.log(result.matchedWords); // ['jakarta']

代码说明 #

• split(/\W+/)：用非单词字符（标点、空格等）拆分句子，自动处理逗号、空格分隔的情况
• filter(word => word.trim() !== '')：过滤拆分后可能出现的空字符串
• Set的has()方法可以快速判断词汇是否存在，效率比数组遍历更高
• 返回结果包含匹配状态和所有匹配的词汇，满足你获取匹配词汇的需求

为什么之前的方法没生效？ #

• includes()/indexOf()：是子字符串匹配，且区分大小写，比如原例子中"DKI JAKARTA"的大写"JAKARTA"和主句子里的"Jakarta"大小写不一致，直接用会返回false；而且如果关键词是"arta"，也会误判为匹配
• match()/search()：默认也是区分大小写，且需要正则表达式配合才能实现词汇级匹配，单独用无法直接满足需求

内容的提问来源于stack exchange，提问作者riski