Java Apache Jaccard文本相似度匹配初体验

---

前言

产品今天提了个需求，大概是这样的，来，请看大屏幕。。。额。。。搞错了，重来！来，请看需求原型

需求原型清晰明了，就不做过多解释了

---

一、文本相似度算法的选择

文本相似度其实很好理解，按照字面意思，就是两个字符串比较，根据一定的规则来返回两个字符串的相似度。
按照需求来说的话，我需要的只是文本的匹配，对于准确性的要求可能没有那么高，所以，这里选择Apache Jaccard的算法就能满足需求

二、常见的文本相似度算法介绍

1.Levenshtein距离： Levenshtein距离算法在计算字符串相似度时需要考虑所有的插入、删除和替换操作，因此对于长字符串来说，时间复杂度较高。然而，这个算法比较准确，能够捕捉到字符串间的细微差异。(后面只会说一下调用示例，不会过重说明)

2.Jaccard相似度：Jaccard相似度算法计算集合的交集和并集的比值，是一种基本的相似度度量。它对字符串长度不敏感，计算速度相对较快。但是，它对于字符顺序不敏感，并且只考虑字符出现与否，而不考虑出现的频率。 (这里着重说明一下)

3.Cosine相似度： Cosine相似度算法将字符串视为向量，并计算它们的夹角余弦值。这个算法在计算文本相似度时，考虑了字符的频率和顺序。它也适用于处理较长的字符串，但在比较两个字符串之间的相似度时，需要先将其向量化，因此相对复杂一些。(其实Cosine相似度我也看了下源码，也度娘了一下其中的原理，由于个人数学不好，看到一大串的数学公式，感觉头都大了，就没深究^ o ^。感兴趣的同学可以自行度娘，并深入研究一下 )

三、使用示例

1、引入jar包

Levenshtein、Jaccard和Cosine都是 Apache公司的，所以引入一个就可以了

	<dependency>
       <groupId>org.apache.commons</groupId>
       <artifactId>commons-text</artifactId>
       <version>1.10.0</version>
    </dependency>

2、方法示例

Jaccard相似度： 用于计算两个集合之间的相似度，可以将字符串视为字符的集合，计算它们的交集和并集的比值。Jaccard相似度的取值范围是0到1，值越接近1表示相似度越高。
Jaccard示例如下：

import org.apache.commons.text.similarity.JaccardSimilarity;
 // Jaccard文本相似度
public static void main(String[] args) {
   
    String str1 = "收到钢化膜其中一张破裂+收到钢化膜其中一张破裂要求补发一张+3191";
    String str2 = "收到后钢化膜有一张碎了角+收到后钢化膜有一张碎了角，请补发+3191";
        
    // Jaccard匹配文本相似度
    JaccardSimilarity jacc = new JaccardSimilarity();
    Double jaccardSimilarity = jacc