Jaro-Winkler distance.docVIP

Jaro-Winkler distance 维基百科，自由的百科全书 ??（重定向自哈罗，温克勒） 跳转到：导航，搜索 在哈拉-克勒距离（温克勒，1999年）是两个字符串之间的相似性措施。这是一个距离度量的哈罗变种（哈罗，1989年，1995年），主要在连锁记录（重复检测）使用面积。越高，哈罗，温克勒的两个字符串，越类似的字符串的距离。在哈拉-克勒距离度量的设计和最适合短字符串，如人的名字。归一分是这样的：0等于没有相似性和1是一个完全匹配。 Contents [隐藏] “1定义 “示例2 “3参见 “4参考 “5外部链接 ?[编辑] Definition 两个给定的字符串中一?哈罗和S2的距离 ? 其中： “M是匹配的字符数（见下文）; “T是换位（见下文）。 两名来自S1和S2分别字，被认为是匹配的，只有他们没有做得比 ?。 每个中一字符匹配相比，其在中二中的所有字符。数量的匹配（但不同的顺序排列）除以2字符定义了一些换位。例如。与微量元素箱比较，我们拥有所有的字母匹配，但他们在不同的顺序。通过交换的C和T，我们可以变成板条箱跟踪。这样的两个元素交换称为换位。在德韦恩不愿与匹配的信已经在相同的顺序Lestari，因此没有换位是必要的。 哈拉-克勒距离使用大规模p前缀赋予更有利的评级从字符串匹配的前缀长度的设置开始。由于两个字符串S1和S2，他们的哈罗，温克勒距离DW是： ? 其中： “?哈拉是字符串S1和S2的距离 “是在字符串开始共同前缀长度可达4个字符最多 “P是对的分数多少向上调整为具有共同的前缀。此在温克勒的工作中不断的标准值是p = 0.1常数缩放因子 虽然经常被称为距离度量的哈罗，温克勒的距离，其实并不是一个在其任期的数学意义上公制。 [编辑] Example 请注意，温克勒的“参考”C代码至少在两个从哈罗，温克勒公制公布的结算方式不同。首先是他的一个错字表（adjwt），还有一些额外的长串可选性使用。 鉴于字符串S1和S2玛莎MARHTA我们发现： 的“M = 6 “|中一| = 6 |中二| = 6 “有字不匹配吨/小时及H /吨，导致 哈拉我们找到评分： ? 要找到哈罗，温克勒评分使用标准体重p = 0.1，我们将继续寻找： ? 因此： 干重= 0944 +（3 * 0.1（1？0944））= 0961 鉴于字符串S1和S2德韦恩不愿意，我们发现： 的“M = 4 “|中一| = 6 |中二| = 5 的“T = 0 我们找到一个哈罗评分： ? 要找到哈罗，温克勒评分使用标准体重p = 0.1，我们将继续寻找： ? 因此： 干重= 0822 +（1 * 0.1（1？0822））= 0.84 鉴于字符串S1和S2迪克逊DICKSONX我们发现： X ?口口 D 1的0 0 0 0 余0 1 0 0 0 ? 0 0 0 0 0 亩0 0 0 0 0 卖0 0 0 0 0 ? 0 0 0 1 0 否0 0 0 0 1 ≥0 0 0 0 0 的“M = 4注意两个X的不考虑比赛，因为他们在比赛的第3窗口中。 “|中一| = 5 |中二| = 8 的“T = 0 我们找到一个哈罗评分： ? 要找到哈罗，温克勒评分使用标准体重?= 0.1，我们将继续寻找： “ 因此： 干重= 0767 +（2 * 0.1（1？0767））= 0813 [编辑] See also “编辑距离 “记录连锁 “普查 [编辑] References 哈拉，硕士（1989年）。“在链接方法记录的进步，适用于佛罗里达州坦帕市1985年人口普查。”美国统计学会84（406）杂志：414-20。 “哈拉，硕士（1995年）。”概率连锁大型公共健康数据文件“。在医学14（5-7）统计：491-8。土井：10.1002/sim.4780140510。关键词7792443。 “温克勒，我们（1999年）。”联动的记录和当前的研究问题的国家。“收入部，国内税务局出版R99/04统计。网址：Http：/ / /srd/papers/pdf/rr99 - 04.pdf。 “温克勒，我们（2006年）。”概述学术论文以及目前的研究方向。“研究报告系列，转播。网址：Http：/ / /srd/papers/pdf/rrs2006-02.pdf。 [编辑]外部链接 “执行与在Java LingPipe文件。特征与原来的广泛实施strcmp.c比较。 “Strcmp.c - 最初的C执行该算法的作者 “在开源Java和。NET “PHP的执行情况，GPLv3.0获释 来自“/wiki/Jaro-Wi