字符串相似度算法

package com.duxiu.simone.file;

/**
* 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 = "ab";
String target = "ac";
System.out.println("similarityRatio=" + lt.getSimilarityRatio(str, target));
}

}
字符串相似度算法:
org.apache.commons.lang.StringUtils.getLevenshteinDistance(String, String) 回复 更多评论