package com.duxiu.simone.file;
/**
* 編輯距離算法，首先由俄國(guó)科學(xué)家Levenshtein提出的，又叫Levenshtein Distance 主要用來(lái)計(jì)算從原串（s）轉(zhuǎn)換到目標(biāo)串(t)所需要的最少的插入，刪除和替換的數(shù)目，
* 在NLP中應(yīng)用比較廣泛，同時(shí)也常用來(lái)計(jì)算你對(duì)原文所作的改動(dòng)數(shù)
*/
public class Levenshtein {
private int compare(String str, String target) {
int d[][]; // 矩陣
int n = str.length();
int m = target.length();
int i; // 遍歷str的
int j; // 遍歷target的
char ch1; // str的
char ch2; // target的
int temp; // 記錄相同字符,在某個(gè)矩陣位置值的增量,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++) { // 遍歷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;
}
// 左邊+1,上邊+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;
}
/**
* 獲取兩字符串的相似度
*
* @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 閱讀(2128)
評(píng)論(2) 編輯 收藏 所屬分類:
JAVA