编辑距离算法 Levenshtein Distance 学习笔记

最新推荐文章于 2024-05-09 10:10:14 发布

TrimesS

最新推荐文章于 2024-05-09 10:10:14 发布

阅读量287

点赞数

文章标签：学习笔记算法 c++

本文链接：https://blog.csdn.net/Mar_isa/article/details/131465140

版权

是什么？

编辑距离算法（Edit Distance），即Levenshtein Distance，用于计算一个单词转换到另一个单词的最短距离（其转换的三种方法：删、插、替），此概念在1965年由俄罗斯科学家 弗拉基米尔·莱文斯坦（Levenshtein · Vladimir）提出，故称Levenshtein Distance。

前言导入

如果我们想把单词cat变成单词cut，该怎样去做呢？答案显而易见，我们只需要把"a"替换成"u"。

但是，一旦遇到比较复杂的词，例如attention变成attitude，是不是需要几秒来观察了？正因如此，我们不妨让电脑帮我们来算一下

准备实践

现在，我们给定两个单词，word1和word2，使用编辑距离的概念去探寻到它们转换所需的最小操作数

示例：

string word1 = "aptitude"
string word2 = "attitude"
过程:
aptitude -> attitude(将"p"替换为"t")
最短距离:1

记住最关键的三个操作：

将一个字符替换成另外一个字符（Substitutions）
插入一个字符（Insertions）
删除一个字符（Deletions）

我们可以设置一个 $D_{ij}$ ，这是什么意思呢？

例如我们要把Sun转换为Satur，既然要转换，就要取它们所有的字母，即Sun取前三个，Satur取前五个，此时我们可以表示成 $D_{35}$ 了，是不是清楚了i和j是什么作用？

Sun转换为Satur需要3次操作，将at插入在S和u之间，把n替换为r。

此时我们就可以表示为 $D_{35} = 3$

那么 $D_{ij}$ 的定义为:word1的前 i 个字符与 word2的前 j 个字符转换所需的最短距离。

接下来让我们分解一下它

第一种情况，也是比较乐观的情况，即word1与word2的末尾字符相同:

如果Word1的i-1与Word2的j-1是相同的，那么我们可以直接说 $D_{ij}$ = $D_{i-1j-1}$

第二种情况没有这么乐观，即word1与word2的末尾字符不相同:

这样我们就要分类讨论了，也就是插，删，替三种方法

首先我们先来看看插入:

我们假设word1相较于word2，末尾只需要再添加一个Y，使之与后者相同

接下来是删除：

我们假设word1相较于word2，末尾需要去掉X，使得word1的i-1个字符与word2的j个字符有着较高相似性

最后是替换：

我们假设word1相较于word2，除去末尾有着高度的相似性，我们只需将X替换为Y，使得word1的i-1个字符与word2的j-1个字符有着较高相似性

这样，我们得出了三个结论：

插: $D_{i \, j-1}+1$

删: $D_{i-1 \, j} +1$

替: $D_{i-1 \, j-1} +1$

它们都是 $D_{ij}$ 的值，我们要在其中选择最小值，所以可以表示为

$D_{ij} =\, min\left\{\begin{matrix} D_{i-1 \, j} +1 & \\ D_{i \, j-1} +1 & \\ D_{i-1 \, j-1} +1 & \end{matrix}\right.$

是不是光看公式有些难以理解，让我们来使用可视化的观察。

我们先把它画成表格状的，根据我们上面得到的结论，可以画出一个：

第一种末尾相同的情况：

第二种不相同的情况：

再把它们套入上面的表格里面，是不是简单了很多？

首先，我们来看第一个格子，h和r不相等，取最小值，也就是左上角的0，完成了一次替换操作，所以次数加一

这样，每次都取最小值，遇到相等的取左上角数字不变，以此类推，我们可以得到这个图

最终右下角的数字即我们所要求的最短距离，我们可以验证一下是不是3次

可以看到，绿色的是实质性的操作，蓝色表示没有操作，因为它们是相同的。

这样，是不是就理解了呢？

代码部分

使用C++实现

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn = 1000 + 5;
int d[maxn][maxn];
void LevenshteinDistance(string word1,string word2){
	int len1 = word1.length();
	int len2 = word2.length();

	for (int i = 0; i <= len1; i++) {
		d[i][0] = i;
	}
	for (int i = 0; i <= len2; i++) {
		d[0][i] = i;
	}
	for (int i = 1; i <= len1; i++) {
		for (int j = 1; j <= len2; j++) {
			d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1);
			d[i][j] = min(d[i][j], d[i - 1][j - 1] + (word1[i - 1] != word2[j - 1]));
		}
	}
	cout << d[len1][len2] << endl;
}
int main() {
	string word1, word2;
	cin >> word1 >> word2;
	LevenshteinDistance(word1, word2);
	return 0;
}

总结

编辑距离算法是一个古老却又十分有效的算法，可以在日常应用中帮助我们做许多事，可以用其计算字符串的相似度，这对一些查重来说是非常有用的

第一次写文章，本人才疏学浅，若有不足之处请见谅

部分思路来源于网络

TrimesS

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
编辑距离算法 Levenshtein Distance 学习笔记

编辑距离算法（Edit Distance），即Levenshtein Distance，用于计算一个单词转换到另一个单词的最短距离（其转换的三种方法：删、插、替），此概念在1965年由俄罗斯科学家弗拉基米尔·莱文斯坦（Levenshtein · Vladimir）提出，故称Levenshtein Distance。
复制链接

扫一扫