子序列与子字符串
这个系列问题包含这么几种:最大子序列、最长递增子序列、最长公共子串、最长公共子序列。
几个子问题都可以用动态规划的思路来求解。对于长度为i、j的两个字符串 ,使用m[i][j]矩阵来存放中间结果。
更详细的算法可以看这篇文档:
http://www.cnblogs.com/zhangchaoyang/articles/2012070.html
字符串编辑距离
精确计算两个字符串的编辑距离,可以使用经典的动态规划思路。
这里来看下如何判断字符串A与B的编辑是否>N?这样我们就可以比较两个字符串的相似度了。
可以构建一个编辑距离自动机(超酷算法:Levenshtein自动机),把测试字符集合输入自动机进行判断。
可用于拼写检查,模糊匹配等场景。
向量相似度
使用TF-IDF计算出文本中词的词频集合,把该集合作一个向量,比较不同集合向量在线性空间中的相似度。如:余弦距离、欧氏距离、概率分布距离(K-L距离)等。
更详细的介绍看这篇文档:
http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html