流程图相似性-一学期总结

 

很狗血的东东。狗血的项目，狗血的赶进度。做得也很狗血。我承认。不过，小小记录下吧，从狗血中提炼出非狗血的存在。

要做的东西比较新颖，图的比较，但范围较小，单单是限制在流程图上。

首先插说下，图的比较。

以前很多都限制在文字的比较上，所以图的比较是一个挺新的也挺有意义的方向。现在很多网站都有做，谷歌，百度，搜狗等等。也实际测试过效果了。有几个问题，一是速度问题。对图的搜索，需要对图进行处理，比如层次，颜色，或者人的识别等等，耗时巨多。二是，评判的标准都不一样了，怎么判断两幅图相不相似，这又是新问题，标准选不好，效果就不好。

在实际测试中，还是谷歌牛啊。我将一幅毕业照的图片放上去，一个人，绿色草地，蓝天。谷歌基本能搜出这种类型的元素的图片。或者将范冰冰的一张大头像弄上去，也搜出很多艺人的类似大头像，而且也是黑色衣服，胸前有点裸露。而百度这些，呃，失败结果。。

我觉得图的搜索，会是一个很有意义也很有创意的方面。诸如素材等等的搜索，或者一些有趣的应用，比如腾讯的神笔小Q之类。

okay，再说回流程图相似性的检测。

流程图比较特殊，第一点在于，它的文字比重很大。第二点在于，图的架构很明晰，有节点，有连线表示关系。

所以，参考文字编辑距离（edit distance），也可用相似的概念来衡量两个图的相似性，图编辑距离。相似概念的迁移以及应用。

删除、增加一个节点，删除、增加一条边、替换一个节点，都会对图造成不同的消耗。搜索，用贪心、A-star等方法搜索，找到一种最小消耗的方法，将一幅图变成另一幅图，这个消耗，就可以衡量它们的相似性。

以上就是基本的思想，基于这个之上，可以有其他的变形。比如，考虑节点出现的先后顺序，赋予不同的权重，引导搜索。或者，节点可以合并、分离等，再比较。再或者，由于用贪心、A-star的方法很慢，采用一种有引导的局部搜索，把所有可能的匹配罗列出来，从中选择，极大减少时间。

其中，这中间利用到了文本的相似性。文本的相似性，也有很多度量的方式。字符编辑距离，N-gram，基于语义的比较（wordnet之类）等等。

然后，到了徐老这边。

<