字符串相似度

此篇只是个整理，参考了如下链接：

http://www.linuxso.com/architecture/9008.html

最近在考虑如何求字符串相似度计算的问题，查了很多，有两种方式

1.向量

 

/**

 

* 计算字符串相似度

 

* @return

 

*/

 

public static double computeSimilarity(String str, String compareTo) {

char[] strChars = str.toCharArray();

char[] compareToChars = compareTo.toCharArray();

long vecProduct = 0;

long strProduct = 0;

long compareToProduct = 0;

double strCharsAbs = 0.0;

double compareToCharsAbs = 0.0;

double strSimilarity = 0.0;

int vecLen = 0;

if(str.length() <= compareTo.length()) {

vecLen = str.length();

} else {

vecLen = compareTo.length();

}

for(int i = 0; i < vecLen; i++) {

vecProduct += strChars[i] * compareToChars[i];

}

for(int i = 0; i < str.length(); i++) {

strProduct += strChars[i] * strChars[i];

}

strCharsAbs = Math.sqrt(strProduct);

for(int i = 0; i < compareTo.length(); i++) {

compareToProduct += compareToChars[i] * compareToChars[i];

}

compareToCharsAbs = Math.sqrt(compareToProduct);

strSimilarity = vecProduct / (strCharsAbs * compareToCharsAbs);

return strSimilarity;

}

这个算法我是按照向量夹角公式实现的，但是在测试的时候是存在很大问题的，

比如“abc“，”def“完全不相同的两个字符串相似度是99％，后来发现我是按照它们的asc码作为

它们的向量值的，所以才会出现这样的结果，希望哪位大虾可以帮忙改正

2.Levenshtein distance 算法

这个算法满足了我的要求，具体可以参考链接中的原文