一种融合位置信息的字符串相似度度量方法.pdfVIP

第３２卷第１１ 期 计 算 机 应 用 研 究 Ｖｏｌ．３２ Ｎｏ．１１ ２０１５ 年１１ 月　 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆＣｏｍｐｕｔｅｒｓ Ｎｏｖ．２０１５ 一种融合位置信息的字符串相似度度量方法 肖　雨，崔荣一，怀丽波 （延边大学计算机科学与技术学系智能信息处理研究室，吉林 延吉 １３３００２） 摘　要：针对传统字符串相似度算法复杂的局限，在向量空间模型（ＶＳＭ）的基础上，提出一种同时考虑字符相 邻位置关系和词序的字符串相似度计算模型。通过计算ＶＳＭ中向量的汉明距离来描述字符串相邻程度，并以 向量的曼哈顿距离作为衡量字符先后次序的指标。最后对两个指标加权求和得到字符串相似度的定量描述。 与传统的算法比较，该算法更简便，时间复杂度为Ｏ（ｎ ｌｏｇ（ｎ））。实验结果表明，该方法提高了字符串相似度的 准确率，得到的数据结果更合理。 关键词：字符串相似度；相邻字符；词序；汉明距离 中图分类号：ＴＰ３０１．５　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１５）１１３２８７０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１５．１１．０１９ Ｎｅｗ ｍｅｔｈｏｄ ｆｏｒ ｃａｌｃｕｌａｔｉｎｇ ｓｔｒｉｎｇ ｓｉｍｉｌａｒｉｔｙ ｆｕｓｉｎｇ ｌｏｃａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ Ｘｉａｏ Ｙｕ，Ｃｕｉ Ｒｏｎｇｙｉ，Ｈｕａｉ Ｌｉｂｏ （Ｉｎｔｅｌｌｉｇｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ ＰｒｏｃｅｓｓｉｎｇＬａｂｏｒａｔｏｒｙ，Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｙａｎｂｉａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｙａｎｊｉ Ｊｉｌｉｎ １３３００２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｅｄ ａｔｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｔｒａｄｉｔｉｏｎａｌ ｓｔｒｉｎｇｓｉｍｉｌａｒｉｔｙｃｏｍｐｌｅｘａｌｇｏｒｉｔｈｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ ｖｅｃｔｏｒ ｓｐａｃｅ ｍｏｄｅｌ ｔｏ ｃａｌｃｕｌａｔｅ ｓｔｒｉｎｇ ｓｉｍｉｌａｒｉｔｙ，ｗｈｉｃｈｆｕｓｅｄｂｏｔｈ ｃｈａｒａｃｔｅｒａｄｊａｃｅｎｔｐｏｓｉｔｉｏｎｒｅｌａｔｉｏｎ ａｎｄｗｏｒｄ ｏｒｄｅｒｉｎｆｏｒｍａ ｔｉｏｎ．Ｔｈｉｓｍｅｔｈｏｄ ｄｅｓｃｒｉｂｅｄ ａｄｊａｃｅｎｔ ｄｅｇｒｅｅ ｔｈｒｏｕｇｈ ｃｏｍｐｕｔｉｎｇ Ｈａｍｍｉｎｇ ｄｉｓｔａｎｃｅ ｏｆｖｅｃｔｏｒｉｎ ＶＳＭ．Ｔｈｅｎ ｉｔｆｉｇｕｒｅｄ ｏｕｔｗｏｒｄ ｏｒｄｅｒ ｓｉｍｉｌａｒｉｔｙ ｂａｓｅｄｏｎｖｅｃｔｏｒＭａｎｈａｔｔａｎｄｉｓｔａｎｃｅ．Ｆｉｎａｌｌｙ，ｔｈｅａｌｇｏｒｉｔｈｍｐｒｅｓｅｎｔｅｄｑｕａｎｔｉｔａｔｉｖｅｄｅｓｃｒｉｐｔｉｏｎｔｏｓｔｒｉｎｇｓｉｍｉｌａｒｉ ｔｙ ｆｕｓｉｎｇ ｔｈｅ ｗｏｒｄ ｏｒｄｅｒａｎｄ ｃｈａｒａｃｔｅｒａｄｊａｃｅｎｔ ｄｅｇｒｅｅ．Ｃｏｍｐａｒｅｄｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄ，ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｄｅｃｒｅａ ｓｅｓ ｔｈｅ ｔｉｍｅｃｏｍｐｌｅｘｉｔｙｔｏ Ｏ（ｎｌｏｇ（ｎ））．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｉｍｐｒｏｖｅｓｐｒｅｃｉｓｉｏｎｒａｔｅａｎｄｇｅｔｓｍｏｒｅｒｅａ ｓｏｎａｂｌｅ ｄａｔａ ｒｅｓｕｌｔ． Ｋｅｙ ｗｏｒｄｓ：ｓｔｒｉｎｇ ｓｉｍｉｌａｒｉｔｙ；ａｄｊａｃｅｎｔ ｃｈａｒａｃｔｅｒ；ｗｏｒｄ ｏｒｄｅｒ；Ｈａｍｍｉｎｇ ｄｉｓｔａｎｃｅ 模型基础上，综合考虑字符的相邻位置关系和先后次序，给出 　引言