/**
* 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 = "ABCDEF";
String target = "FECDBA";
System.out.println("similarityRatio="
+ lt.getSimilarityRatio(str, target));
}
}
分享到:
相关推荐
字符串相似度算法是一种衡量两个字符串之间相似度的方法,广泛应用于自然语言处理、数据挖掘、机器学习等领域。在本文中,我们将讨论一种常用的字符串相似度算法:Levenshtein Distance。 什么是Levenshtein ...
就是一个简单的字符串相似度比较的方法,暂时还不知道有没有更好的方法,大家先看看,有更好的希望分享一下
Levenshtein Distance(简称LD),又称编辑距离,是衡量两个字符串相似度的一种方法。这个概念由俄国科学家Vladimir Levenshtein在1965年提出,因此得名。 编辑距离定义了将一个字符串转换成另一个字符串所需的最少...
Java字符串相似度算法是用于衡量两个字符串之间相似程度的一种计算方法。在文本处理、信息检索、数据清洗等领域中,这种算法具有重要的应用价值。这里主要介绍了一种基于Levenshtein距离的Java实现。 Levenshtein...
在文本分析或信息检索中,字符串相似度是指两个字符串之间的相似程度,通常通过某种距离度量(如Levenshtein距离、Jaccard相似度等)或者比较它们的共同部分来衡量。在这个项目中,我们关注的是基于LCS的相似度计算...
Java字符串相似度 一个实现不同字符串相似度和距离度量的库。 当前实现了十二种算法(包括Levenshtein编辑距离和同级,Jaro-Winkler,最长公共子序列,余弦相似性等)。 查看下面的摘要表以获取完整列表... 下载 ...
java根据不同的比较条件对比两个或两个以上的字符之间的相似度
这个项目以Java和JSP技术为基础,实现了一个计算两个字符串相似度的功能,并能显示运行时间,这有助于理解算法的效率。 首先,我们需要了解字符串相似度的计算方法。常见的算法有Levenshtein距离、Jaccard相似度、...
Java可以通过Pinyin4j库转换汉字为拼音,然后使用Levenshtein距离或其他字符串相似度算法比较拼音的相似度。 **概念相似度**涉及到更高层次的语义理解,通常基于本体论或知识图谱。Java的OWL API可以处理OWL(Web ...
最小编辑距离(Minimum Edit Distance, 简称MED)是一种衡量两个字符串相似度的方法,它在计算机科学,尤其是文本处理、信息检索、生物信息学等领域有着广泛应用。这个概念由俄国数学家Vladimir Levenshtein在1965年...
通过这种方式,我们可以计算出两个字符串之间的编辑距离,从而计算出字符串相似度。 编辑距离算法在自然语言处理和信息检索领域有着广泛的应用。例如,在文本相似度计算、文本分类、命名实体识别等方面都可以使用...
,用于计算两个字符串之间的归一化距离或相似度分数。 0.0 分表示两个字符串绝对不相似,1.0 表示绝对相似(或相等)。 介于两者之间的任何内容都表示两个字符串的相似程度。例子在这个简单的例子中,我们想要计算...
在这个示例中,使用了两个二维字符串数组`list1`和`list2`来存储每个像素的RGB值。然后,通过比较这些值的相似性来计算相似度。这里没有显示完整的相似度计算过程,但通常可以使用某种距离度量,如曼哈顿距离或...
5. **相似度计算**:通过比较两个文本的SimHash值,计算Hamming距离(不同位数的数量),一般来说,Hamming距离越小,文本相似度越高。 在Java中,我们可以自定义`SimHash.java`类来实现上述过程。类中可以包括分词...
1. **Levenshtein距离**:Levenshtein距离是一种衡量两个字符串相似度的方法,定义为由一个字符串转换成另一个字符串最少的单字符编辑操作次数(插入、删除或替换)。Java中可以自定义实现,或者使用开源库Apache ...
传统的字符串相似度比较算法,如最长公共子串算法(LCS)、Levenshtein Distance(编辑距离)和汉明距离(Hamming Distance),不能很好地衡量Java错误堆栈之间的相似度。Java错误堆栈具有其自身的特点,需要一种...
通过编辑距离算法对两字符串相似度对比后顺序取出所有公共子串
- **相等比较**:最简单的字符串对比是检查两个字符串是否完全相同。在大多数编程语言中,如Python、Java和C#,可以直接用“==”运算符进行相等性比较。 - **字典序比较**:按照字符的ASCII值或Unicode值排序,...
得到分词结果后,可以将两个文本的分词结果转化为SimHash值,然后通过比较这些哈希值的汉明距离来确定相似度。最后,根据计算出的汉明距离,可以转换为百分比形式,方便直观地展示文本的相似程度。 总的来说,本...
在字符串相似度计算中,余弦相似度常用于比较两个字符串之间的语义相似度,而不仅仅是字面匹配。例如,在推荐系统中,如果用户的历史搜索查询和新的查询之间的余弦相似度高,系统可以推测出用户可能的兴趣,并给出...