编辑距离算法详解：Levenshtein Distance算法——动态规划问题

目录

背景：

求编辑距离算法：

图解过程：

C++代码如下：

总结：

---

背景：

我们在使用词典app时，有没有发现即使输错几个字母，app依然能给我们推荐出想要的单词，非常智能。它是怎么找出我们想要的单词的呢？这里就需要BK树来解决这个问题了。在使用BK树之前我们要先明白一个概念，叫编辑距离，也叫Levenshtein距离。词典app是怎么判断哪些单词和我们输入的单词很相似的呢？我们需要知道两个单词有多像，换句话说就是两个单词相似度是多少。1965年，俄国科学家Vladimir Levenshtein给字符串相似度做出了一个明确的定义叫做Levenshtein距离，我们通常叫它“编辑距离”。字符串A到B的编辑距离是指，只用插入、删除和替换三种操作，最少需要多少步可以把A变成B。例如，从aware到award需要一步（一次替换），从has到have则需要两步（替换s为v和再加上e）。Levenshtein给出了编辑距离的一般求法，就是大家都非常熟悉的经典动态规划问题。这里给出Levenshtein距离的性质。设d(x,y)表示字符串x到y的Levenshtein距离，那么显然：

1. d(x,y) = 0 当且仅当 x=y  （Levenshtein距离为0 <==> 字符串相等）
2. d(x,y) = d(y,x)     （从x变到y的最少步数就是从y变到x的最少步数）
3. d(x,y) + d(y,z) >= d(x,z)  （从x变到z所需的步数不会超过x先变成y再变成z的步数） 最后这一个性质叫做三角形不等式。就好像一个三角形一样，两边之和必然大于第三边。

在自然语言处理中，这个概念非常重要，比如在词典app中：如果用户马虎输错了单词，则可以列出字典里与它的Levenshtein距离小于某个数n的单词，让用户选择正确的那一个。n通常取到2或者3，或者更好地，取该单词长度的1/4等等。这里主要讲编辑距离如何求？至于怎么实现列出词典中相似的单词，详见拼写检查编程题详解-BK树算法。

求编辑距离算法：

这里需要有动态规划的思想，如果之前没有听过动态规划算法，请参考最少钱币数（凑硬币）详解-2-动态规划算法（初窥）。动态规划算法通常基于一个递推公式及一个或多个初始状态。 当前子问题的解将由上一次子问题的解推出。所以我们首要目标是找到某个状态和一个地推公式。假设我们可以使用d[ x,y ]个步骤（可以使用一个二维数组保存这个值），表示将串x[1...i]转换为 串y [ 1…j ]所需最少步骤数。

在最简单的情况下，即在i=0时，也就是说串x为空，那么对应的d[0,j] 就是x增加j个字符，即需要j步，使得x转化为y；在j等于0时，也就是说串y为空，那么对应的d[i,0] 就是x减少 i个字符，即需要i步，使得x