我有两个列表要比较。List 1包含表示List2. 有时，它们是直接匹配，有时是一个单词匹配，有时是首字母缩略词等。示例如下：

   List1           |  List2
  ------------------------
   great hall town | Great Hall
   grt_town        | Great Hall      
   gHall           | Great Hall
   great town      | Great Hall
   mind great town | Great Hall

有两个主要问题：

1. List2非常大（数百万条记录，长度都很短）

2. List1记录有时非常不相关。有更长的前缀，后缀不在List2. 中的一些单词List2被简化为一个字母。

我隐约对聚类有一些想法，List2并试图找到质心和元素之间的距离List1。你认为这是一个起点吗？谢谢