Atitit nlp 文本相似性计算 目录 1. 原理编 1 1.1. 4.1基于拼音相似度的汉语模糊搜索算法 2 1.2. （1）最长公共子串（基于词条空间） 2 1.3. 2 1.4. （2

Atitit nlp 文本相似性计算

 

 

目录

1. 原理编 1

1.1. 4.1基于拼音相似度的汉语模糊搜索算法 2

1.2. （1）最长公共子串（基于词条空间） 2

1.3. 2

1.4. （2）最长公共子序列（基于权值空间、词条空间） 2

1.5. 2

1.6. （3）最少编辑距离法（基于词条空间） 2

1.7. 2

1.8. （4）汉明距离（基于权值空间） 2

1.9. 2

1.10. （5）余弦值（基于权值空间） 2

2. Apache Commons Text库计算文本相似性 3

3. 其他 3

3.1. 相同字符数 3

3.2. 编辑距离（edit distance） 4

3.2.1. 莱文斯坦距离，又称Levenshtein距离 4

3.2.2. Jaro距离 4

4. SimHash  文章相似性计算 4

4.1.1. 定义 4

4.1.2. 应用 5

5. 语义相似性 5

6. 参考: 5

 

 

1. <