posts - 496,comments - 227,trackbacks - 0
package com.duxiu.simone.file;

/**
 * 编辑距离算法,首先由俄国科学家Levenshtein提出的,又叫Levenshtein Distance 主要用来计算从原串(s)转换到目标串(t)所需要的最少的插入,删除和替换的数目,
 * 在NLP中应用比较广泛,同时也常用来计算你对原文所作的改动数
 
*/

public class Levenshtein {
    
    
private int compare(String str, String target) {
        
int d[][]; // 矩阵
        int n = str.length();
        
int m = target.length();
        
int i; // 遍历str的
        int j; // 遍历target的
        char ch1; // str的
        char ch2; // target的
        int temp; // 记录相同字符,在某个矩阵位置值的增量,不是0就是1
        
        
if (n == 0) {
            
return m;
        }
        
        
if (m == 0) {
            
return n;
        }
        
        d 
= new int[n + 1][m + 1];
        
        
for (i = 0; i <= n; i++) { // 初始化第一列
            d[i][0= i;
        }
        
        
for (j = 0; j <= m; j++) { // 初始化第一行
            d[0][j] = j;
        }
        
        
for (i = 1; i <= n; i++) { // 遍历str
            ch1 = str.charAt(i - 1);
            
// 去匹配target
            for (j = 1; j <= m; j++) {
                ch2 
= target.charAt(j - 1);
                
if (ch1 == ch2) {
                    temp 
= 0;
                } 
else {
                    temp 
= 1;
                }
                
                
// 左边+1,上边+1, 左上角+temp取最小
                d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1+ 1, d[i - 1][j - 1+ temp);
            }
        }
        
        
return d[n][m];
    }
    
    
private int min(int one, int two, int three) {
        
return (one = one < two ? one : two) < three ? one : three;
    }
    
    
/**
     * 获取两字符串的相似度
     * 
     * 
@param str
     * 
@param target
     * 
     * 
@return
     
*/
    
    
public float getSimilarityRatio(String str, String target) {
        
return 1 - (float) compare(str, target) / Math.max(str.length(), target.length());
        
    }
    
    
public static void main(String[] args) {
        Levenshtein lt 
= new Levenshtein();
        String str 
= "ab";
        String target 
= "ac";
        System.out.println(
"similarityRatio=" + lt.getSimilarityRatio(str, target));
    }
    
}
posted on 2012-01-12 15:36 SIMONE 阅读(1830) 评论(2)  编辑  收藏 所属分类: JAVA

FeedBack:
# re: 字符串相似度算法
2012-02-02 20:05 | Gill
org.apache.commons.lang.StringUtils.getLevenshteinDistance(String, String)  回复  更多评论
  
# re: 字符串相似度算法[未登录]
2015-09-23 13:15 | lili
注释的挺不错,赞一个。也给楼上点个赞:
org.apache.commons.lang.StringUtils.getLevenshteinDistance
中是有实现。  回复  更多评论
  

只有注册用户登录后才能发表评论。


网站导航: