文本相似度——编辑距离算法&java简单实现

来源：互联网发布：手机基站测试软件编辑：程序博客网时间：2024/05/16 17:50

从问题出发，来学算法~

问题：找出字符串的编辑距离，即把一个字符串s1最少经过多少步操作变成字符串s2？

操作有三种，添加一个字符，删除一个字符，修改一个字符。

分析：核心就是Function——edit（i,j），它表示字符串s1的长度为i的子串到字符串s2的长度为j的子串的编辑距离。

可以有如下动态规划公式：

# if i == 0 且 j == 0，edit(i, j) = 0

# if i == 0 且 j > 0，edit(i, j) = j

# if i > 0 且j == 0，edit(i, j) = i

# if i ≥ 1 且 j ≥ 1 ，edit(i, j) == min{ edit(i-1, j) + 1, edit(i, j-1) + 1, edit(i-1, j-1) + f(i, j) }，当s1的第i 个字符不等于s2的第j个字符时，f(i, j) = 1；否则，f(i, j) = 0。

public class LevenshteinTest {private int[][] array;private String str1;private String str2;public LevenshteinTest(String str1,String str2){this.str1 = str1;this.str2 = str2;}  public int edit(){int max1 = str1.length();int max2 = str2.length();//建立数组，比字符长度大一个空间         array = new int[max2+1][max1+1];        for(int i=0;i<=max1;i++){array[0][i] = i;}for(int j=0;j<=max2;j++){array[j][0] = j;}for(int i=1;i<=max1;i++){for(int j=1;j<=max2;j++){array[j][i] = levenshtein(i,j,str1.charAt(i-1),str2.charAt(j-1));System.out.println("j=="+j+" i=="+i+"   "+array[j][i]);}}System.out.println("*********"+array[max2][max1]);return array[max2][max1]; }public int levenshtein(int i,int j,char si,char sj){int result = 0;    if(i>=1&&j>=1){    int a = array[j-1][i] + 1;int b = array[j][i-1] + 1;    int c = array[j-1][i-1] + ((si!=sj)?1:0);    result = min(a,b,c);}return result;}public int min(int a,int b,int c){int temp = a<b?a:b;return temp<c?temp:c;}     //计算相似度       public float similarity(){    float similarity = 1 - (float) array[max2][max1] / Math.max(str1.length(), str2.length());           return similarity;    }public static void main(String args[]){String str1 = "叶尖压力高";String str2 = "系统压力高";LevenshteinTest lt = new LevenshteinTest(str1,str2);    lt.edit();        }}

0 0