Levenshtein Distance 算法

因为想要得到两个字串的相似度，所以试用了这个Levenshtein Distance算法。

编辑距离就是用来计算从原串（s）转换到目标串(t)所需要的最少的插入，删除和替换的数目，在NLP中应用比较广泛，如一些评测方法中就用到了（wer,mWer等），同时也常用来计算你对原文本所作的改动数。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。

代码如下（网上找来的）：

private int ComputeDistance(string s, string t) { int n = s.Length; int m = t.Length; int[,] distance = new int[n + 1, m + 1]; // matrix int cost = 0; if (n == 0) return m; if (m == 0) return n; //init1 for (int i = 0; i <= n; distance[i, 0] = i++) ; for (int j = 0; j <= m; distance[0, j] = j++) ; //find min distance for (int i = 1; i <= n; i++) { for (int j = 1; j <= m; j++) { cost = (t.Substring(j - 1, 1) == s.Substring(i - 1, 1) ? 0 : 1); distance[i, j] = Min3(distance[i - 1, j] + 1, distance[i, j - 1] + 1, distance[i - 1, j - 1] + cost); } } return distance[n, m]; }

算法说明如下： string1 长度为 i=3 ； string2 长度为 j=4; 建立矩阵 D[i+1,j+1]=D[4,5] 。

            1. 赋值 D[0,0]=0; D[0,1]=1; D[0,2]=2; D[0,3]=3; D[0,4]=4; D[1,0]=1; D[2,0]=2; D[3,0]=3 。

	0	1	2	3
0	0	1	2	3
1	1
2	2
3	3
4	4

 

          2 ．设置 string1=abc;string2=defg; 比对 a 与 b 。

        ？ = （？上面的值 +1 ），（？左边的值 +1 ），（对角的值 +a 与 b 的比对值，同为 0 ，不同为 1 ）三值中的最小值。一次类推，得到的 End 值为两词之间的差距。

		a	b	c
	0	1	2	3
d	1	？
e	2
f	3
g	4			End

           3 ．比如，比对黄花鱼与黄花菜

		黄	花	鱼
	0	1	2	3
黄	1	Min(2,2,0) 0	Min(3,1,2) 1	Min(4,2,3) 2
花	2	Min(1,3,2) 1	Min(2,2,0) 0	Min(3,1,2) 1
菜	3	Min(2,4,3) 2	Min(1,3,2) 1	Min(2,2,1) 1

两词之间的差距为 1

 

4 ．比如，比对猪蹄汤与海鲜汤

		猪	蹄	汤
	0	1	2	3
海	1	1	2	3
鲜	2	2	2	3
汤	3	3	3	2

两词之间的差距为 2

5 ．比如，比对上汤料与海鲜汤

		上	汤	料
	0	1	2	3
海	1	1	2	3
鲜	2	2	2	3
汤	3	3	2	3

两词之间的差距为 3 ，也就是讲没有相似度。