java-两个字符串的相似度算法(编辑距离)

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。

 

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。

 

/**
 * 比较两个字符串的相识度
 * <p>
 * <p>
 * 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
 * <p>
 * <p>
 * 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
 */
private static int compare(String str, String target) {
    int d[][]; // 矩阵
    int n = str.length();
    int m = target.length();
    int i; // 遍历str的
    int j; // 遍历target的
    char ch1; // str的
    char ch2; // target的
    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
    if (n == 0) {
        return m;
    }
    if (m == 0) {
        return n;
    }
    d = new int[n + 1][m + 1];
    // 初始化第一列
    for (i = 0; i <= n; i++) {
        d[i][0] = i;
    }
    // 初始化第一行
    for (j = 0; j <= m; j++) {
        d[0][j] = j;
    }
    for (i = 1; i <= n; i++) {
        // 遍历str
        ch1 = str.charAt(i - 1);
        // 去匹配target
        for (j = 1; j <= m; j++) {
            ch2 = target.charAt(j - 1);
            if (ch1 == ch2 || ch1 == ch2 + 32 || ch1 + 32 == ch2) {
                temp = 0;
            } else {
                temp = 1;
            }
            // 左边+1,上边+1, 左上角+temp取最小
            d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
        }
    }
    return d[n][m];
}

/**
 * 获取最小的值
 */
private static int min(int one, int two, int three) {
    return (one = one < two ? one : two) < three ? one : three;
}

/**
 * 获取两字符串的相似度
 */
public static float getSimilarityRatio(String str, String target) {
    int max = Math.max(str.length(), target.length());
    return 1 - (float) compare(str, target) / max;
}

public static void main(String[] args) {
    String a= "Steel";
    String b = "Steel Pipe";
    System.out.println("相似度："+getSimilarityRatio(a,b));//0.5
}

来源参考：http://www.yayihouse.com/yayishuwu/chapter/1872