计算字符串相似度算法.docVIP

计算字符串相似度算法——Levenshtein 博客分类：? 我喜欢的算法 levenshtein相似度编辑距离算法实现? 0.这个算法实现起来很简单 1.百度百科介绍： Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。 许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。 编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。 2.用途 模糊查询 3.实现过程 a.首先是有两个字符串,这里写一个简单的 abc和abe b.将字符串想象成下面的结构。 A处?是一个标记，为了方便讲解，不是这个表的内容。 ? abc a b c abe 0 1 2 3 a 1 A处 b 2 e 3 c.来计算A处?出得值 它的值取决于：左边的1、上边的1、左上角的0. 按照Levenshtein distance的意思： 上面的值和左面的值都要求加1，这样得到1+1=2。 A处?由于是两个a相同，左上角的值加0.这样得到0+0=0。 这是后有三个值，左边的计算后为2，上边的计算后为2，左上角的计算为0，所以A处?取他们里面最小的0. d.于是表成为下面的样子 abc a b c abe 0 1 2 3 a 1 0 b 2 B处 e 3 在B处?会同样得到三个值，左边计算后为3，上边计算后为1，在B处?由于对应的字符为a、b，不相等，所以左上角应该在当前值的基础上加1，这样得到1+1=2，在（3,1,2）中选出最小的为B处的值。 e.于是表就更新了 ? abc a b c abe 0 1 2 3 a 1 0 b 2 1 e 3 C处 C处?计算后：上面的值为2，左边的值为4，左上角的：a和e不相同，所以加1，即2+1，左上角的为3。 在（2,4,3）中取最小的为C处?的值。 f.于是依次推得到 a b c 0 1 2 3 a 1 A处?0 D处?1 G处?2 b 2 B处?1 E处?0 H处?1 e 3 C处?2 F处?1 I处?1 ? I处:?表示abc 和abe 有1个需要编辑的操作。这个是需要计算出来的。 同时，也获得一些额外的信息。 A处:?表示a????? 和a????? 需要有0个操作。字符串一样 B处:?表示ab??? 和a????? 需要有1个操作。 C处:?表示abe? 和a????? 需要有2个操作。 D处:?表示a????? 和ab??? 需要有1个操作。 E处:?表示ab??? 和ab??? 需要有0个操作。字符串一样 F处:?表示abe? 和ab ?? 需要有1个操作。 G处:?表示a????? 和abc?? 需要有2个操作。 H处:?表示ab ?? 和abc ?? 需要有1个操作。 I处:?表示abe ? 和abc ?? 需要有1个操作。 g.计算相似度 先取两个字符串长度的最大值maxLen，用1-（需要操作数除maxLen），得到相似度。 例如abc 和abe 一个操作，长度为3，所以相似度为1-1/3=0.666。 4.代码实现 直接能运行， 复制过去就行。 Java代码?? package?code;?? ?? /**? ?*?@className:MyLevenshtein.java? ?*?@classDescription:Levenshtein?Distance?算法实现? ?*?可以使用的地方：DNA分析?　　拼字检查?　　语音辨识?　　抄袭侦测? ?*?@author:donghai.wan? ?*?@createTime:2012-1-12? ?*/?? public?class?MyLevenshtein?{?? ?? ????public?static?void?main(String[]?args)?{?? ????????//要比较的两个字符串?? ????????String?str1?=?今天星期四;?? ????????String?str2?=?今天是星期五;?? ????????levenshtein(str1,str2);?? ????}?? ?? ????/**? ?????*?　　DNA分析?　　拼字检查?　　语音辨识?　　抄袭侦测? ?????*?? ?????*?@createTime?2012-1-12? ?????*/?? ????public?static?void?levenshtein(String?str1,String?str2)?{?? ????????//计算两个字符串的长度。?? ????????int?len1?=?str