Power Query的相似分数在比较什么：整段文字、阈值与转换表

经营资料的文字被归到同一个类别，是否就说明两段原文完全相同？Microsoft Learn的How fuzzy matching works in Power Query，把这个问题放在文本比较机制中解释。文档说明，模糊合并、聚类与模糊分组使用相同机制；功能名称不同，并不表示每一种都另有一套独立的相似度含义。[1]

原页先用Apples作比较。它与4ppl3s之间的分数，高于它与含有Apples的一整段长句之间的分数。原因是，在后一个字符串中，Apples只占整个文本的一小部分。这个例子让“出现了相同词”与“整段文字具有相同相似程度”分开：比较对象包含其他文字时，原来的共同片段并没有包办整串内容。

页面的数据例子来自一道“最喜欢什么水果”的文本框回答，用来演示不同表达怎样参与归类。它是官方文档的教学材料，不是本文收集的消费者调查。单词、拼写近似和包含该词的长句被放在一起，展示的是文字组成对软件比较的影响，不能借此替真实业务记录确定含义。

Threshold又描述另一层条件。微软把它解释为允许一个值进入某个cluster的相似分数下界。因而，资料里写一个阈值，说明的是该次归类所用界限，不是宣布有同样比例的原始记录正确，也不是一份数据质量验收结果。本文不转述改变阈值的点击步骤或为生产表选定数值。

即使原文使用fuzzy“exact match”，也保留特殊含义：这类匹配可能忽略大小写、词序和标点差异。因此，在模糊机制内被视作精确匹配，与原始字符从头到尾完全相同，仍需分开表述。否则，一个熟悉的exact名称，就会使报告比软件文档本身表达得更强。

Transformation table则在模糊比较之前，先把列中的值映射到新的值。映射改变了比较所用内容，也留下了分数上的区别。文档明确说，使用转换表时，相应值的最高相似分数为0.95，其中0.05是刻意施加的惩罚，用来区分原列值并不等于被比较的值，因为中间发生过转换。

这个惩罚不是宣告有百分之五的记录错误，也不是为整份经营资料评定可信度。它表达的是发生映射这一背景。原文字、映射后的值、相似比较与归类界限，分别处于处理链的不同位置；理解这些位置，才能知道报告中的“相同”究竟采用了哪一种含义。

本篇采用微软连续文字及邻接说明，未运行查询、清洗报表或审核财务结果，也未观看示例表图。网页2025年8月29日标为更新，首发日未知。上述概念用于解释记录关系，不承诺算法能够代替实际业务语义核对。