字符串编辑距离算法

计算两个中文字符串相似度——编辑距离算法 1、Javapublic static void levenshtein(String str1, String str2) { // 计算两个字符串的长度。 int len1 = str1.length(); int len2 = str2.length(); // 建立上面说的数组,比字符长度大一个空间 int[][] dif = new int[len1 + 1 阅读详情

我们来看一个实际应用。现代搜索技术的发展很多以提供优质、高效的服务作为目标。比如说:baidu、google、sousou等知名全文搜索系统。当我们输入一个错误的query="Jave" 的时候,返回中有大量包含正确的拼写 "Java"的网页。当然这里面用到的技术绝对不会是我们今天讲的怎么简单。但我想说的是:字符串的相似度计算也是做到这一点的方法之一。

字符串编辑距离:是一种字符串之间相似度计算的方法。给定两个字符串S、T,将S转换成T所需要的删除,插入,替换操作的数量就叫做S到T的编辑路径。而最短的编辑路径就叫做字符串S和T的编辑距离。

举个例子:S=“eeba”   T="abac"   我们可以按照这样的步骤转变:(1) 将S中的第一个e变成a;(2) 删除S中的第二个e;(3)在S中最后添加一个c; 那么S到T的编辑路径就等于3。当然,这种变换并不是唯一的,但如果3是所有变换中最小值的话。那么我们就可以说S和T的编辑距离等于3了。


动态规划解决编辑距离

动态规划(dynamic programming)是一种解决复杂问题最优解的策略。它的基本思路就是:将一个复杂的最优解问题分解成一系列较为简单的最优解问题,再将较为简单的的最优解问题进一步分解,直到可以一眼看出最优解为止。

动态规划算法是解决复杂问题最优解的重要算法。其算法的难度并不在于算法本身的递归难以实现,而主要是编程者对问题本身的认识是否符合动态规划的思想。现在我们就来看看动态规划是如何解决编辑距离的。

还是这个例子:S=“eeba”   T="abac" 。我们发现当S只有一个字符e、T只有一个字符a的时候,我们马上就能得到S和T的编辑距离edit(0,0)=1(将e替换成a)。那么如果S中有1个字符e、T中有两个字符ab的时候,我们是不是可以这样分解:edit(0,1)=edit(0,0)+1(将e替换成a后,在添加一个b)。如果S中有两个字符ee,T中有两个字符ab的时候,我们是不是可以分解成:edit(1,1)=min(edit(0,1)+1, edit(1,0)+1, edit(0,0)+f(1,1)). 这样我们可以得到这样一些动态规划公式:      

        如果i=0且j=0        edit(0, 0)=1

        如果i=0且j>0        edit(0, j )=edit(0, j-1)+1

        如果i>0且j=0        edit( i, 0 )=edit(i-1, 0)+1

        如果i>0且j>0        edit(i, j)=min(edit(i-1, j)+1, edit(i,j-1)+1, edit(i-1,j-1)+f(i , j) )

小注:edit(i,j)表示S中[0.... i]的子串 si 到T中[0....j]的子串t1的编辑距离。f(i,j)表示S中第i个字符s(i)转换到T中第j个字符s(j)所需要的操作次数,如果s(i)==s(j),则不需要任何操作f(i, j)=0; 否则,需要替换操作,f(i, j)=1。

这就是将长字符串间的编辑距离问题一步一步转换成短字符串间的编辑距离问题,直至只有1个字符的串间编辑距离为1。


编辑距离的实际应用

       在信息检索领域的应用我们在文章开始的时候就提到了。另外,编辑距离在自然语言文本处理领域(NLP)中是计算字符串相似度的重要方法。一般而言,对于中文语句的相似度处理,我们很多时候都是将词作为一个基本操作单位,而不是字(字符)。


最大公共字符串,最大公共子序列,编辑距离,myers等算法 前言 这个4个算法比较相似,并且有以下相同点和不同点 异同点 相同点: 1、都是在字符串上得到某个目标;2、算法的核心都是动态规划的思想。 不同点: 1、目标不同,其中最大公共字符串是最大连续的子序列,例如:str1 = "ABCDEF" , str2="ZABCDZE",最大公共字符串是"ABCD",长度为4。而最大公共子序列是"ABCDE",长度为5。 2、编辑距离,是求从一个字符串str1到另一个字符串str2的变动的最小次数,其中变动只在一个字符串上发生,变动包括三个动作:删除,插入. 阅读详情

相关推荐

C#实现字符串编辑距离算法详解

本章详细介绍了如何使用 C# 实现编辑距离算法。我们从 C# 的面向对象特性出发,设计了类结构和方法,实现了基于动态规划的编辑距离算法,并通过单元测试验证其正确性。最后,我们将算法封装为独立类,并提供接口以支持模块化和可扩展性。通过本章内容,读者应能够掌握字符串比较算法在实际项目中的应用方法,并具备将其封装为独立模块的能力。

weixin_35752122的博客 1157

最短编辑距离和最短编辑路径

1. 题目 求出两个字符串的最短编辑距离,及最短编辑路径。 2. 代码 # 计算两个字符串的最小编辑距离 def min_ed(source_str, target_str, source_len, target_len): # 初始化matrix matrix = [] for i in range(source_len + 1): matrix.append([]) for j in range(target_len + 1):

comli_cn的博客 1085

计算两个字符串的编辑距离 -- 快速算法

计算两个字符串的编辑距离 -- 快速算法

字符串编辑距离之LevenshteinDistance

字符串编辑距离之LevenshteinDistance(EditDistance、LevensteinDistance )

荣耀之路 9204

深度学习优化算法解析(Momentum, RMSProp, Adam)

之前看了很多人介绍网络的优化器optimizer,无奈很多都把简单的东西讲的复杂化了,不容易让人懂,恰好之前看过吴恩达老师的最新的课程,这里结合老师讲的和个人想法写一下,方便别人同时也为自己以后回顾吧。 深度学习的优化算法主要有GD,SGD,Momentum,RMSProp和Adam算法吧,还有诸如Adagrad算法,不过大同小异,理解了前面几个,后面的也就引刃而解了。GD算法,SGD算法以及m

willduan的博客 12万+

运行stable-diffusion出现的问题

解决:即用 https://github.com/CompVis/taming-transformers/blob/master/taming/modules/vqvae/quantize.py 新文件,替换错误提示文件中的全部内容即可。5.新建文件夹 CompVis/stable-diffusion-safety-checker/将下载的四个文件放入 解决!后面还会遇到'openai/clip-vit-large-patch14离线下载的问题,同样步骤解决。解决:下载后离线,步骤如下。

weixin_52121118的博客 2350

计算字符串的距离(编辑距离)

计算字符串的距离 描述 Levenshtein 距离,又称编辑距离,指的是两个字符串之间,由一个转换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。编辑距离的算法是首先由俄国科学家 Levenshtein 提出的,故又叫 Levenshtein Distance 。 Ex: 字符串A: abcdefg 字符串B: abcdef 通过增加或是删掉字符 ”g” 的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。 要求

Mwwwwwwww的博客 1万+

tft_espi 中文字体及自定义字体制作(tft.eSPI模块)

tft.eSPI库自定义字体方法 先下载 processing 然后安装到mixly安装目录下找到tft_eSPI文件夹。

琢磨侠的博客 2764

字符串编辑距离(Levenshtein距离)算法

https://blog.youkuaiyun.com/bbbeoy/article/details/79613806 https://www.cnblogs.com/xiuyangleiasp/p/5023717.html 基本介绍   Levenshtein距离是一种计算两个字符串间的差异程度的字符串度量(string metric)。我们可以认为Levenshtein距离就是从一个字符串修改到另一...

while_black的博客 2003

基于STM32F407VET6的智能巡检小车灰度循迹系统优化设计

本文详细介绍了基于STM32F407VET6主控芯片的智能巡检小车灰度循迹系统优化设计。通过将传感器输出从数字量升级为模拟量以获取更丰富的路面信息,并采用PD控制算法结合速度管理策略,有效提升了小车在复杂弯道上的循迹稳定性与适应性。文章分享了硬件电路抗干扰设计、软件滤波及实战调优经验,为嵌入式开发者提供了从“能跑”到“跑得稳”的系统性解决方案。

weixin_28273593的博客 444

用Python实现单层感知器:5分钟搞定逻辑与/或/异或分类(附避坑指南)

本文通过Python代码实战,详细讲解了单层感知器的核心原理与实现步骤,5分钟内即可完成逻辑与、或运算的分类任务。文章深入剖析了单层感知器的能力边界,解释了其无法解决异或(XOR)等线性不可分问题的根本原因,并提供了学习率设置、权重初始化等关键避坑指南,帮助初学者直观理解神经网络的基础。

ttt77的博客 1088

字符串相似度之编辑距离算法

字符串编辑距离: 是一种字符串之间相似度计算的方法。给定两个字符串S、T,将S转换成T所需要的删除,插入,替换操作的数量就叫做S到T的编辑路径。而最短的编辑路径就叫做字符串S和T的编辑距离。举个例子:S=“eeba”   T="abac"   我们可以按照这样的步骤转变:(1) 将S中的第一个e变成a;(2) 删除S中的第二个e;(3)在S中最后添加一个c; 那么S到T的编辑路径就等于3。当然,这...

u011060897的专栏 1403

告别手动解析!用这个Qt库轻松处理Cat 21/62等18种Asterix航空数据

本文介绍了基于Qt框架的高效Asterix报文解析库,帮助开发者轻松处理Cat 21/62等18种航空数据。该库通过协议抽象化、多维度API设计和跨平台支持,解决了手动解析的复杂性和易错问题,显著提升开发效率和系统可靠性。

weixin_42529366的博客 208

字符串相似度算法(编辑距离算法)

编辑距离算法前言原理实现 前言 有时候 原理 实现

hellopeng1的博客 2578

Kindle使用USB数据线传书封面无法显示问题

不建议按这个解决封面问题,首先USB多次插拔麻烦,其次就是我起初按博主方法没啥问题,后面无论我怎么个顺序都出现了‘暂无图片’,我的建议是在亚马逊退出国内只能USB传书的情况下,下载一个calibre 和。飞行模式下用calibre传书到kindle ,然后用Fix Kindle Ebook Cover 修复一下,后面你要继续飞行模式还是连网随你便,两步完事。2,‘’发送到设备’的时候也最好选择 ‘发送特定格式至’ 选择具体的电子书格式,你的电子书是azw3就选azw3,是mobi就选mobi。

meser88的博客 7424

基于Matlab的无迹卡尔曼滤波惯性导航与DVL组合导航

航天航空领域中的惯性导航是一种基于惯性测量单元(Inertial Measurement Unit,IMU)的导航方法,可以提供航向、速度和位置等信息。深度/速度测量器(Doppler Velocity Log,DVL)是一种常用的传感器,可用于测量水下航行器的速度。通过将DVL与无迹卡尔曼滤波相结合,可以实现高精度的组合导航。本文介绍了基于Matlab的无迹卡尔曼滤波(UKF)惯性导航与DVL组合导航的方法。以上是一种简化的示例代码,您可以根据实际应用需求进行相应的修改和优化。

DevSavantX的博客 424

最小编辑距离java_java实现字符串最短编辑距离算法

public class MinDistance {public static void main(String[] args) {String str1 = "sailn";String str2 = "failing";int[][] dp = new int[str1.length()+1][str2.length()+1];int dis = calculateDis(str1, str1...

weixin_42298105的博客 574

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

levenshtein字符串编辑距离算法

字符串编辑距离指的是字符串A向字符串B转换的最小步数。比如字符串“ABC”转换成“A”最少需要删除“B”,“C”两个字符。字符串操作有三种,一个是新增插入,一个是删除,一个是替换。该算法最早由 levenshtein提出。从A字符串向B字符串转换,最重要的是考虑不要重复操作,比如 “abd”转换成“abcd”只需要插入一个“c”,而不用删去“d”再插入“cd”。这就要看Levenshtein Dis

m0_37615415的博客 593

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

字符串的编辑距离算法

在看一篇博文的时候看到了这么个算法,捉摸了很久才弄懂什么意思。先解释下什么是编辑距离算法。就是两个字符串(假如为S,T),从第一个字符串S,经过插入,删除,替换,添加,等操作数的总和数最小的路径称为字符串S和T的编辑距离。。。以程序中的字符串为例:sting,cbstring11.首先创建一个二维矩阵,6 x 9,设为C[][]首先初始化值。其实代表着初始化移动距离。。2.进入循环,如果S...

weixin_30307921的博客 208

用动态规划算法计算字符串的编辑距离

♚作者:jclian,喜欢算法,热爱分享,希望能结交更多志同道合的朋友,一起在学习Python的道路上走得更远!编辑距离问题 什么是两个字符串的编辑距离(edit di...

Python中文社区 836

【python】字符串相似度:编辑距离算法

编辑距离算法即MED(Minimum Edit Distance)算法,由俄罗斯的 Vladimir Levenshtein 在1965年提出,故又称Levenshtein距离。

微小冷的学习笔记 2288

字符串算法:最长公共子序列、最短编辑距离等

最长公共子序列 编辑距离 最长递增子序列等

沉浸如海 1586

字符串算法专题之:字符串相似度和字符串编辑距离

字符串编辑距离,又称Levenshtein距离(也叫做Edit Distance),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,插入一个字符和删除一个字符。我们认为三种编辑操作的任何一种执行一次则编辑次数加1. 例如将kitten一字转成sitting: sitten (k→s) sittin (e→i) sitting...

316

字符串编辑距离算法的python实现

字符串编辑距离算法(LevenshteinDistance) 理解:将字符串A编辑为字符串B所进行的最小操作数,操作包括插入、删除、修改。 举例1:“kitten"变为"sitting” ‘k’->‘s’ ‘e’变为’i’ ‘kitten’末尾还需加上’g’ 故字符串编辑距离为3 举例2:“fish abc"变为"pushabdc” ‘f’ -> ‘p’ ‘i’ -> ‘u’ ’ '删除 ‘abc’中’c’前增加’d’ 故字符串编辑距离为4 python代码实现 参考C++代码修改 imp

C_greenbird的博客 886

【算法】【动态规划】字符串编辑距离问题

题目大意: 就是给出两个字符串,只能进行增删改操作,问从字符串1转化为字符串2最少需要几步 状态转移方程 dp[i][j] i和j分别表示两个字符串的长度 当s1[i]==s2[j]的时候,说明不用操作,相当于当s1长度为i的时候和s2长度为j的时候不需要进行操作,所以次数和s1长度为i-1和s2长度为j-1的时候相等 所以dp[i][j]=dp[i-1][j-1] 当s1[i]!=s2[j]的时候,说明需...

Elephant_King的博客 472

使用最小编辑距离算法求字符串相似度

未完成....

ls386239766的专栏 4815
上一篇: DIV实现完美模式窗口
下一篇: MAC地址获取
linuxchyu
博客等级 码龄17年 28粉丝 178原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值