文本相似性度量---------字符串近似相等

给定两个字符串如何判断它们的相似程度？常用的有两种方法：

编辑距离（edit distance）
最长公共子序列（LCS，longest common sequence）

解释两个概念：

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：(1)将一个字符替换成另一个字符，(2)插入一个字符，(3)删除一个字符。
相似度，等于“编辑距离+1”的倒数。

一开始，我看到编辑距离的代码时，差点以为就是最长公共子序列。后来才发现两者不太一样。
下面就递推公式进行解释，f[i][j]表示a[0:i]和b[0:j]两个串进行比较所得的结果。
最长公共子序列

a[i]==b[j]时，f[i][j]=f[i-1][j-1]+1
a[i]!=b[j]时，f[i][j]=max(f[i-1][j],f[i][j-1])

编辑距离

a[i]==b[j]时，f[i][j]=f[i-1][j-1]
意思是，当a[i]==b[j]时，无需进行编辑操作
a[i]!=b[j]时，需要进行编辑操作，这是编辑可以从三种操作中进行选择：插入、删除、修改
细分之，又可得到6种操作：
在a[i]前面插入b[j]，f[i][j]=f[i-1][j]+1
在b[j]前面插入a[i]，f[i][j]=f[i][j-1]+1
删除a[i]，f[i][j]=f[i-1][j]+1
删除b[j]，f[i][j]=f[i][j-1]+1
修改a[i],使之等于b[j]，f[i][j]=f[i-1][j-1]+1
修改b[j]，使之等于a[i]，f[i][j]=f[i-1][j-1]+1
显然,操作虽然是6种，但是结果却只有三种。
如果选择插入操作，在a[i]前面插入一个字符b[j]。那么a[0:i-1]和b[0:j]字符都相同需要的编辑次数为f[i-1][j]，所以f[i][j]=f[i-1][j]+1
如果选择删除操作，把a[i]这个字符删除，这样一来b[j]就不用跟a[i]进行比较了。那么a[0:i]和b[0:j-1]字符都相同，需要的编辑次数是f[i][j-1]，所以f[i][j]=f[i][j-1]+1
如果选择修改操作，把a[i]改成b[j]，那么a[0:i-1]和b[0:j-1]部分比较次数为f[i-1][j-1]，所以f[i][j]=f[i-1][j-1]+1
因为需要编辑次数尽量少，所以f[i][j]会从以上三种可行操作中选择一种花费最少的。
也就是说，f[i][j]=min(f[i-1][j],f[i][j-1],f[i-1][j-1])+1
显然，把上述在a中插入改为在b中插入、在a中删除改为在b中删除，所得到的递推式是一样的。

转载于:https://www.cnblogs.com/weiyinfu/p/6539311.html

文本相似性度量---------字符串近似相等相关推荐

【算法】字符串近似搜索（转）
来源:.Net.NewLife.需求:假设在某系统存储了许多地址,例如:"北京市海淀区中关村大街1号海龙大厦".用户输入"北京海龙大厦"即可查询到这条结果.另 ...
R语言︱文本（字符串）处理与正则表达式
处理文本是每一种计算机语言都应该具备的功能,但不是每一种语言都侧重于处理文本.R语言是统计的语言,处理文本不是它的强项,perl语言这方面的功能比R不知要强多少倍.幸运的是R语言的可扩展能力很强,DN ...
java 文本编辑器替换特殊字符_linux中批量替换文本中字符串--转载
(一)通过vi编辑器来替换. vi/vim 中可以使用 :s 命令来替换字符串. :s/well/good/ 替换当前行第一个 well 为 good :s/well/good/g 替换当前行所有 w ...
python空行拼接字符串_python基础---文本和字符串操作
一.文本操作打开读取文本 (查) lock_file = open('username_lock.txt', 'r+') #r+ 读写 lock_list =lock_file.readlines( ...
R语言：文本（字符串）处理与正则表达式
处理文本是每一种计算机语言都应该具备的功能,但不是每一种语言都侧重于处理文本.R语言是统计的语言,处理文本不是它的强项,perl语言这方面的功能比R不知要强多少倍.幸运的是R语言的可扩展能力很强,DN ...
富文本转换字符串 php,php 如何将一个富文本字符串生成word文档？
问题描述我现在有一个富文本字符串, 比如$str=" qqq啊啊啊啊啊百度网址 ": 中间我省去了大量的图片base64的编码. 问题出现的环境背景及自己尝试过哪些方法相关代码 ...
从富文本(html字符串)中获取图片,js获取富文本中的第一张图片(正则表达式)
js获取富文本中的第一张图片url正则公式及去除字符串里面的html标签后台发来一个富文本字符串里面可能包含了0.1.2.3-个图片标签(img),我们的任务是获取这个字符串里面第一张图片的url, ...
一文教你学会python读取文本及字符串常用操作
python 读取txt文件打开支付宝首页搜索'543701491',领取马云的支付宝红包 Python的文本处理是经常碰到的一个问题,Python的txt文件读取中,有三类方法:read().re ...
前端将后端返回的富文本格式字符串转换成word下载
需要用到三个库 npm install html-docx-js -S npm install file-saver -S npm install dayjs -S 或 pnpm install ht ...

文本相似性度量---------字符串近似相等

文本相似性度量---------字符串近似相等相关推荐

最新文章

热门文章