利用编辑距离(Edit Distance)计算两个字符串的相似度

利用编辑距离(Edit Distance)计算两个字符串的相似度

 

        编辑距离(Edit Distance)，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。一般来说，编辑距离越小，两个串的相似度越大。

 

        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。

 

        之前用jsoup做网络爬虫的时候用到了这个来计算两个字符串的相似度，今天整理出来向Vladimir Levenshtein致敬。

 

/**
 * 编辑距离(Edit Distance)求字符串相似度
 * @author InJavaWeTrust http://injavawetrust.iteye.com
 *
 */
public class EditDistance {
	
	/**
     * 求三个数中最小的一个
     * @param one
     * @param two
     * @param three
     * @return
     */
	public int min(int one, int two, int three) {
		int min = one;
		if (two < min) {
			min = two;
		}
		if (three < min) {
			min = three;
		}
		return min;
	}

    /**
     * 求编辑距离(Edit Distance)
     * @param str1
     * @param str2
     * @return 编辑距离
     */
	public int editDistance(String str1, String str2) {
		int d[][]; // 矩阵
		int y = str1.length();
		int x = str2.length();
		char ch1; // str1的
		char ch2; // str2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 (y == 0) {
			return x;
		}
		if (x == 0) {
			return y;
		}
		d = new int[y + 1][x + 1]; // 计算编辑距离二维数组
		for (int j = 0; j <= x; j++) { // 初始化编辑距离二维数组第一行
			d[0][j] = j;
		}
		for (int i = 0; i <= y; i++) { // 初始化编辑距离二维数组第一列
			d[i][0] = i;
		}
		for (int i = 1; i <= y; i++) { // 遍历str1
			ch1 = str1.charAt(i - 1);
			// 去匹配str2
			for (int j = 1; j <= x; j++) {
				ch2 = str2.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[y][x];
	}

    /**
     * 计算相似度
     * @param str1
     * @param str2
     * @return
     */
	public double similar(String str1, String str2) {
		int ed = editDistance(str1, str2);
		return 1 - (double) ed / Math.max(str1.length(), str2.length());
	}
	
	public static void main(String[] args) {
		String str1 = "1234";
		String str2 = "1254";
		System.out.println("字符串相似度: " + new EditDistance().similar(str1, str2));
	}
}

 

 运行结果：