文本相似度之Levenshtein算法

levenshtein() 函数返回两个字符串之间的 Levenshtein 距离。

Levenshtein算法是计算两个字符串之间的最小编辑距离的算法,所谓的最小编辑距离就是把字符串A通过添加,删除,替换字符的方式转变成B所需要的最少步骤。俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念,所以叫做Levenshtein算法。

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。

Levenshtein算法的流程:

1:计算strA的长度n,strB的长度m

2:如果n=0,则最小编辑距离是m,m=0,则最小编辑距离是n

3:构造一个 (m+1)*(n+1)的矩阵Arr,并初始化矩阵的第一行和第一列分别为0-n,0-m

4:两重循环,遍历strA,在此基础上遍历strB,如果strA[i]=strB[j],那么cost=0,否则cost=1,判断Arr[j-1][i]+1,Arr[j][i-1]+1,Arr[j-1][i-1]+cost的最小值,将最小值赋值给Arr[j][i]。

5:循环结束后,矩阵的最后一个元素就是最小编辑距离。



 

猜你喜欢

转载自gaojingsong.iteye.com/blog/2347936