[转]字符串相似度算法(编辑距离算法 Levenshtein Distance)[附c#,asp源码]
来源:互联网 发布:tricking动作教学软件 编辑:程序博客网 时间:2024/06/02 18:54
转载至:http://www.cnblogs.com/ivanyb/archive/2011/11/25/2263356.html
编辑距离,又称Levenshtein距离(也叫做Edit Distance),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,如果它们的距离越大,说明它们越是不同。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。
例如将kitten一字转成sitting:
sitten (k→s)
sittin (e→i)
sitting (→g)
俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。因此也叫Levenshtein Distance。
例如
- 如果str1="ivan",str2="ivan",那么经过计算后等于 0。没有经过转换。相似度=1-0/Math.Max(str1.length,str2.length)=1
- 如果str1="ivan1",str2="ivan2",那么经过计算后等于1。str1的"1"转换"2",转换了一个字符,所以距离是1,相似度=1-1/Math.Max(str1.length,str2.length)=0.8
应用
DNA分析
拼字检查
语音辨识
抄袭侦测
算法过程
- str1或str2的长度为0返回另一个字符串的长度。 if(str1.length==0) return str2.length; if(str2.length==0) return str1.length;
- 初始化(n+1)*(m+1)的矩阵d,并让第一行和列的值从0开始增长。
- 扫描两字符串(n*m级的),如果:str1[i] == str2[j],用temp记录它,为0。否则temp记为1。然后在矩阵d[i,j]赋于d[i-1,j]+1 、d[i,j-1]+1、d[i-1,j-1]+temp三者的最小值。(以下temp用t表示)
- 扫描完后,返回矩阵的最后一个值d[n][m]即是它们的距离。
5. 最后计算相似度公式:1-它们的距离/两个字符串长度的最大值。
为了直观表现,我将两个字符串分别写到行和列中,实际计算中不需要。我们用字符串“ivan1”和“ivan2”举例来看看矩阵中值的状况:
1、第一行和第一列的值从0开始增长
ivan1 012345i1 v2 a3 n4 252、i列值的产生 Matrix[i - 1, j] + 1 ; Matrix[i, j - 1] + 1 ; Matrix[i - 1, j - 1] +t
ivan1 0+t=01+1=22345i1+1=2取三者最小值=0 v2依次类推:1 a32 n43 2543、V列值的产生
ivan1 012 i101 v210 a321 n432 2543依次类推直到矩阵全部生成
ivan1 012345i101234v210123a321012n4321012543211最后得到它们的距离=1
相似度:1-1/Math.Max(“ivan1”.length,“ivan2”.length) =0.8
算法用C#实现
public class LevenshteinDistance { /// <summary> /// 取最小的一位数 /// </summary> /// <param name="first"></param> /// <param name="second"></param> /// <param name="third"></param> /// <returns></returns> private int LowerOfThree(int first, int second, int third) { int min = Math.Min(first, second); return Math.Min(min, third); } private int Levenshtein_Distance(string str1, string str2) { int[,] Matrix; int n = str1.Length; int m = str2.Length; int temp = 0; char ch1; char ch2; int i = 0; int j = 0; if (n == 0) { return m; } if (m == 0) { return n; } Matrix = new int[n + 1, m + 1]; for (i = 0; i <= n; i++) { //初始化第一列 Matrix[i, 0] = i; } for (j = 0; j <= m; j++) { //初始化第一行 Matrix[0, j] = j; } for (i = 1; i <= n; i++) { ch1 = str1[i - 1]; for (j = 1; j <= m; j++) { ch2 = str2[j - 1]; if (ch1.Equals(ch2)) { temp = 0; } else { temp = 1; } Matrix[i, j] = LowerOfThree(Matrix[i - 1, j] + 1, Matrix[i, j - 1] + 1, Matrix[i - 1, j - 1] + temp); } } for (i = 0; i <= n; i++) { for (j = 0; j <= m; j++) { Console.Write(" {0} ", Matrix[i, j]); } Console.WriteLine(""); } return Matrix[n, m]; } /// <summary> /// 计算字符串相似度 /// </summary> /// <param name="str1"></param> /// <param name="str2"></param> /// <returns></returns> public decimal LevenshteinDistancePercent(string str1, string str2) { //int maxLenth = str1.Length > str2.Length ? str1.Length : str2.Length; int val = Levenshtein_Distance(str1, str2); return 1 - (decimal)val / Math.Max(str1.Length, str2.Length); } }
调用方式:
showstatic void Main(string[] args) { string str1 = "ivan1"; string str2 = "ivan2"; Console.WriteLine("字符串1 {0}", str1); Console.WriteLine("字符串2 {0}", str2); Console.WriteLine("相似度 {0} %", new LevenshteinDistance().LevenshteinDistancePercent(str1, str2) * 100); Console.ReadLine(); }
结果:
附ASP源码:
class LevenshteinDistance FUNCTION LowerOfThree(one ,two, three) min=clng(one) if min>clng(two) then min=clng(two) end if if min>clng(three) then min=clng(three) end if LowerOfThree=min END FUNCTION function Max(one,two) max=clng(one) if max<clng(two) then max=clng(two) end if Max=max end function function Levenshtein_Distance(str1,str2) dim Matrix str1Array=StringToArray(str1) str2Array=StringToArray(str2) n=len(str1) m=len(str2) temp=0 i=0 j=0 dim ch1,ch2 if n=0 then Levenshtein_Distance=m elseif m=0 then Levenshtein_Distance=n else redim Matrix(n+1,m+1) for i=0 to n Matrix(i,0)=i next for j=0 to m Matrix(0,j)=j next for i=1 to n ch1=str1Array(i-1) for j=1 to m ch2=str2Array(j-1) if ch1=ch2 then temp=0 else temp=1 end if Matrix(i,j)=LowerOfThree(Matrix(i-1,j)+1,Matrix(i,j-1)+1,Matrix(i-1,j-1)+temp) next next '最短距离矩阵 'response.Write("<table width=400><tr><td> </td><td>#</td>") 'for j=1 to m 'response.Write("<td>"&str2Array(j-1)&"</td>") 'next 'response.Write("</tr>") 'for i=0 to n ' if i=0 then ' response.Write("<tr><td>#</td>") ' else ' response.Write("<tr><td>"&str1Array(i-1)&"</td>") ' end if ' for j=0 to m ' response.Write("<td>"&Matrix(i,j)&"</td>") ' next ' response.Write("</tr>") 'next 'response.Write("</table>") Levenshtein_Distance=Matrix(n,m) end if end function function LevenshteinDistancePercent(str1,str2) val=Levenshtein_Distance(str1,str2) LevenshteinDistancePercent=1-val/Max(len(str1),len(str2)) end function function StringToArray(str) dim strArray redim strArray(len(str)-1) for i=1 to len(str) strArray(i-1)=mid(str,i,1) next StringToArray=strArray end functionend class
调用方式:
set a=new LevenshteinDistancec=a.LevenshteinDistancePercent("ivan1","ivan2")response.Write("字符串相似度:"&round(c,2)*100&"%")
结果:
字符串相似度:80%
作者:焱龙
出处:http://star-studio.cnblogs.com/
申明:作者写博是为了总结经验,和以后的工作参考之用。
如需转载,请尽量保留此申明,并在文章页面明显位置给出原文连接。谢谢!
如需转载,请尽量保留此申明,并在文章页面明显位置给出原文连接。谢谢!
- [转]字符串相似度算法(编辑距离算法 Levenshtein Distance)[附c#,asp源码]
- 字符串相似度算法(编辑距离算法 Levenshtein Distance)
- 字符串相似度算法(编辑距离算法 Levenshtein Distance)
- 字符串相似度算法 levenshtein distance 编辑距离算法
- 字符串相似度算法 levenshtein distance 编辑距离算法
- 字符串相似度算法 -- levenshtein distance 编辑距离算法
- 字符串相似度算法(编辑距离Levenshtein Distance)
- 用C#实现字符串相似度算法(编辑距离算法 Levenshtein Distance)
- C#:字符串相似度算法( Levenshtein Distance算法)
- java两字符串相似度计算算法——Levenshtein distance编辑距离算法
- 字符串相似度算法(Levenshtein Distance)
- 编辑距离算法 Levenshtein Distance
- 编辑距离算法(Levenshtein distance)
- [随笔]初步了解 Levenshtein Distance (Edit Distance) 编辑距离,字符相似度算法
- 字符串相似度算法( Levenshtein Distance算法)(zz)
- 字符串相似度算法( Levenshtein Distance算法)
- 字符串相似度算法( Levenshtein Distance算法)
- 字符串相似度算法( Levenshtein Distance算法)
- python调用Google Protocol Buffer
- 阿里巴巴数据开放之路
- 斐波那契数列
- Java web项目listener Filter servlet启动顺序和配置
- java中关于时区转换的方法
- [转]字符串相似度算法(编辑距离算法 Levenshtein Distance)[附c#,asp源码]
- 《深入理解计算机网络》迷你书
- Javascript定义类(class)的三种方法
- Logcat的自动清屏问题
- linux GUI库GTK+的简单应用之事件和事件监听器
- Spring框架,如何返回数据给视图(jsp文件)
- SGS白皮书(White Paper Sun Game Server Technology)浅译
- 教你掌握面试的心理攻略
- c盘里的每个文件夹的作用,那个可以删除,那个不能动!