Java 比较两个字符串的相似度算法(Levenshtein Distance)

时间:2022-06-14 16:16:19

转载自: https://blog.csdn.net/JavaReact/article/details/82144732

 

Java 比较两个字符串的相似度算法(Levenshtein Distance)

算法简介:

Levenshtein Distance,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。

  1.  
    /**
  2.  
    * 比较两个字符串的相识度
  3.  
    * 核心算法:用一个二维数组记录每个字符串是否相同,如果相同记为0,不相同记为1,每行每列相同个数累加
  4.  
    * 则数组最后一个数为不相同的总数,从而判断这两个字符的相识度
  5.  
    *
  6.  
    * @param str
  7.  
    * @param target
  8.  
    * @return
  9.  
    */
  10.  
    private static int compare(String str, String target) {
  11.  
    int d[][]; // 矩阵
  12.  
    int n = str.length();
  13.  
    int m = target.length();
  14.  
    int i; // 遍历str的
  15.  
    int j; // 遍历target的
  16.  
    char ch1; // str的
  17.  
    char ch2; // target的
  18.  
    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
  19.  
    if (n == 0) {
  20.  
    return m;
  21.  
    }
  22.  
    if (m == 0) {
  23.  
    return n;
  24.  
    }
  25.  
    d = new int[n + 1][m + 1];
  26.  
    // 初始化第一列
  27.  
    for (i = 0; i <= n; i++) {
  28.  
    d[i][ 0] = i;
  29.  
    }
  30.  
    // 初始化第一行
  31.  
    for (j = 0; j <= m; j++) {
  32.  
    d[ 0][j] = j;
  33.  
    }
  34.  
    for (i = 1; i <= n; i++) {
  35.  
    // 遍历str
  36.  
    ch1 = str.charAt(i - 1);
  37.  
    // 去匹配target
  38.  
    for (j = 1; j <= m; j++) {
  39.  
    ch2 = target.charAt(j - 1);
  40.  
    if (ch1 == ch2 || ch1 == ch2 + 32 || ch1 + 32 == ch2) {
  41.  
    temp = 0;
  42.  
    } else {
  43.  
    temp = 1;
  44.  
    }
  45.  
    // 左边+1,上边+1, 左上角+temp取最小
  46.  
    d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
  47.  
    }
  48.  
    }
  49.  
    return d[n][m];
  50.  
    }
  51.  
     
  52.  
     
  53.  
    /**
  54.  
    * 获取最小的值
  55.  
    */
  56.  
    private static int min(int one, int two, int three) {
  57.  
    return (one = one < two ? one : two) < three ? one : three;
  58.  
    }
  59.  
     
  60.  
    /**
  61.  
    * 获取两字符串的相似度
  62.  
    */
  63.  
    public static float getSimilarityRatio(String str, String target) {
  64.  
    int max = Math.max(str.length(), target.length());
  65.  
    return 1 - (float) compare(str, target) / max;
  66.  
    }
  1.  
    public static void main(String[] args) {
  2.  
    String a= "Steel";
  3.  
    String b = "Steel Pipe";
  4.  
    System.out.println( "相似度:"+getSimilarityRatio(a,b));
  5.  
    }

算法原理:

该算法的解决是基于动态规划的思想,具体如下: 
设 s 的长度为 n,t 的长度为 m。如果 n = 0,则返回 m 并退出;如果 m=0,则返回 n 并退出。否则构建一个数组 d[0..m, 0..n]。 
将第0行初始化为 0..n,第0列初始化为0..m。 
依次检查 s 的每个字母(i=1..n)。 
依次检查 t 的每个字母(j=1..m)。 
如果 s[i]=t[j],则 cost=0;如果 s[i]!=t[j],则 cost=1。将 d[i,j] 设置为以下三个值中的最小值: 
紧邻当前格上方的格的值加一,即 d[i-1,j]+1 
紧邻当前格左方的格的值加一,即 d[i,j-1]+1 
当前格左上方的格的值加cost,即 d[i-1,j-1]+cost 
重复3-6步直到循环结束。d[n,m]即为莱茵斯坦距离。

参考链接:

http://wdhdmx.iteye.com/blog/1343856

https://www.cnblogs.com/ymind/archive/2012/03/27/fast-memory-efficient-Levenshtein-algorithm.html

https://blog.csdn.net/u013035314/article/details/50340443