最小编辑距离算法及python实现

对于最小编辑距离算法的理解：

1，一个字符串转化到另一个字符串的最少操作次数

2，操作有三种：增加，删除，替换。

3，它是一个不断最小取值的过程（每一步都是最小取值，至最后理所当然最少操作次数）PS：算法实现过程

最小编辑距离算法思想：

从第一位字符开始不断与相比较字符串比较，通过对比以添加，删除，替换三种方式找到最佳操作。

添加，删除，替换三种方式在代码中展示

import numpy as np
"""
编辑距离：用于比较两个字符串的相似程度
StrA: 字符串A
StrB：字符串B
函数包含处理过程
包含bug：处理不同长度的字符串的时候会出现报错
"""def min_edit_dist(StrA,StrB):#获取字符串长度a_length = len(StrA)b_length = len(StrB)#创建矩阵matrix = np.zeros((b_length+1, a_length+1))#初始化矩阵for i in range(1,a_length+1):matrix[0][i] = ifor j in range(1,b_length+1):matrix[j][0] = j#开始进行动态规划cost = 0 #代价值for i in range(1,b_length+1):for j in range(1,a_length+1):if StrA[j-1] == StrB[i-1]:cost = 0else:cost = 1#三种字符串操作方式增加 删除 替换edit_exchange_dis = matrix[j-1][i-1] + cost   #替换edit_add_dis = matrix[j-1][i] + 1             #添加edit_del_dis = matrix[j][i-1] + 1             #删除matrix[j][i] = min(edit_exchange_dis,edit_add_dis,edit_del_dis)#print(matrix[j][i])                          #最小编辑距离更改记录print(matrix)                                 #打印算法过程print('______________________')               #分割# print(i)    遍历完整性print('相似度为：',1-1/max(a_length,b_length))         #1-（字符串更改最少次数/字符串最                长距离）# print(matrix)# print(StrA[a_length-1])# print(StrB[b_length-1])# print(a_length)min_edit_dist('jsi2nz','jsionz')                           #测试

刚才忘记结果及算法运行过程截图了，现在贴上，在我参考其他博主的相关文章里，字符串比较过程最多两种方式：

	j	s	i	2	n	z
j
s
i
o
n
z

1，字符串A ------> jsi2nz字符串B ------> jsionz（上图代码展示这种方式）

（1），串甲的第一个字符j与串乙的j，js，jsi，jsio，jsion，jsionz分别比较

（2），串甲的前两个字符js与串乙的j，js，jsi，jsio，jsion，jsionz分别比较

（3）··························

2，字符串A ------> jsi2nz字符串B ------> jsionz

（1），串甲的第一个字符j，js，jsi，jsi2，jsi2n，jsi2nz分别与串乙的Ĵ比较

（2），串甲的第一个字符j，js，jsi，jsi2，jsi2n，jsi2nz分别与串乙的JS比较

（3）··························

过程截图：

结果截图：

第一次写博客，不知道说些什么·····，额·····，有不懂的下方留言吧

最小编辑距离算法及python实现相关推荐

最小编辑距离算法 Edit Distance（经典DP）
最小编辑距离算法 Edit Distance(经典DP) 转载baodream 最后发布于2018-05-23 11:36:32 阅读数 22226 收藏展开编辑距离(Edit Distance ...
Levenshtein distance最小编辑距离算法实现
Levenshtein distance,中文名为最小编辑距离,其目的是找出两个字符串之间需要改动多少个字符后变成一致.该算法使用了动态规划的算法策略,该问题具备最优子结构,最小编辑距离包含子最小编辑 ...
python 编辑距离_最小编辑距离(Levenshtein)的 Python 实现
一直以为这个算法实现起来的代码量很高,直到最近刷 <Speech and Language Processing>,用动态规划做起来,简单.优雅. 算法原理字符串 X,Y 的长度分别是 ...
【转】最小编辑距离算法原理
问题最小编辑距离 Minimum Edit Distance 关于两个字符串s1,s2的差别,可以通过计算他们的最小编辑距离来决定. 设A.B为两个字符串,狭义的编辑距离定义为把A转换成B需要的最少 ...
最小编辑距离 (MED)实现-Python
此帖内容是去年9月份自己做的小实验~ 1. 实验目的最小编辑距离旨在定义两个字符串之间的相似度,定义相似度可以用于拼写纠错.计算生物学上的序列对比.机器翻译.信息提取和语音识别等. 最小编辑距离就 ...
递归c语言字符串最小编辑距离,算法设计与分析-编辑距离问题
一.实践题目设A和B是2个字符串.要用最少的字符操作将字符串A转换为字符串B.这里所说的字符操作包括 (1)删除一个字符: (2)插入一个字符: (3)将一个字符改为另一个字符. 将字符串A变换为字 ...
编辑距离及最小编辑距离算法（转）----动态规划
编辑距离概念描述: 编辑距离,又称Levenshtein距离,是指两个字串之间,由一个转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. 例如 ...
编辑距离算法（Edit Distance）
目录一.概念二.算法过程三.举例说明四.Python实现 1. 递归方式 2. 动态规划 3. Jupyter Notebook 步骤分解一.概念编辑距离的作用主要是用来比较两个字符串的相 ...
C++ edit distances最小编辑距离(附完整源码)
C++edit distances最小编辑距离 edit distances最小编辑距离算法的完整源码(定义,实现,main函数测试) edit distances最小编辑距离算法的完整源码(定义,实 ...

最小编辑距离算法及python实现

最小编辑距离算法及python实现相关推荐

最新文章

热门文章