字符串编辑距离算法在网络竞赛试题筛选中的应用.pdfVIP

第37卷 第5期 山 东 冶 金 V0l37No．5 2015年 IO月 Shandong Metallurgy 0ctober2015 —止 上u“ 4 L—址 L L L {经验交流 } 1— — r1中1 1 —} 1r1 P 字符串编辑距离算法在网络竞赛试题筛选中的应用 王 禄，吴 洋，王振光，郑金星 (山东工业职业学院，山东 淄博256414) 摘 要：针对钢铁行业技能知识网络竞赛试题筛选，使用c++程序语言编制了计算机程序，采用字符串编辑距离算法，共筛 选出1233组相似题 目，保持了题库的高质量。 关键词 ：试题库；字符串；编辑距离；程序语言 中图分类号：TP311 文献标识码：B 文章编号：1004--4620(2015)05—0079—02 l 前 言 出重复的试题，提高了工作效率。 2 试题库组成特点 2014年，山东工业职业学院冶金工程系冶金技 术教研室参与了中国钢铁工业协会组织的钢铁行 每一模块中有若干试题 ，以炼铁试题为最多， 业技能知识网络竞赛命题工作，同时承担对全部试 总共约5000多道题(含重复或相似试题)。为适应 题的筛选工作。参与命题的单位有多家钢铁企业 网络竞赛试题的特点，试题类型全部为选择题，包 及院校，试题库有冶金通用知识、烧结球团、炼铁、 括单项和多项选择题 (判断题归并到单项选择题 炼钢、炉外精炼、连铸等多个模块，试题重复率较 中)。以炼铁题库中关于熔化性温度的试题为例[1， 高，试题筛选工作存在困难。使用c++程序语言编 可说明试题的重复性和相似性，见表 1。为了简化， 制 了计算机程序 ，可以迅速地从几千道试题 中查找 表1中没有列出完全相同的题 目。 表 1 炼铁试题库中关于熔化性温度的试题 题库中试题的重复性和相似性 比表 1中的情况 距离(LevenshteinDistance)、最长公共子 串(Longest 复杂，具有以下特点： CommonSubstring，LCS)等 。此次筛选采用字符 1)存在完全相同的试题；2)试题 内容意义相 串编辑距离算法。 同，但表述有差异，如表 1中1号和3号试题；3)试题 所谓编辑距离就是将两个字符串变成相同字 选项相同，但次序不同，如表 1中4号和5号试题；4) 符串所需要的最小操作次数。所需的操作可能有： 试题多数选项相 同，个别选项不同，甚至选项个数 修改 1个字符(如 “a”替换为 b“”)；增加 1个字符(如 不同；5)试题中标点符号、英文字母等全角和半角 “ abcd”变为 “aebcd”)；删除 1个字符 (如 “disstance” 字符混用 。 变为 “distance”)o 可以看出，使用简单的比较算法是无法找到相 例如 ，对于 a“bcdefg”和 “abcdeF’两个字符串来 似试题的，使用模糊算法进行查找。 讲 ，可以通过增加，减少1个 “g”的方式来达到 目的。 两种方案，都仅需要 1次操作，这个操作次数就是这 3 算法选择 两个字符串的编辑距离。所谓编辑距离就是将两 查找相似字符串的计算机算法有字符串编辑