编辑距离的一些理解

最新推荐文章于 2024-08-15 13:39:06 发布

随心追梦ing

最新推荐文章于 2024-08-15 13:39:06 发布

阅读量1.5k

点赞数

分类专栏：数据结构与算法文章标签：算法编辑距离

本文链接：https://blog.csdn.net/diehua2008/article/details/72287016

版权

数据结构与算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、编辑距离存在多种定义：

1、 Jaro–Winkler distance，仅允许交换操作；

2、Hamming distance，仅允许替换操作，并要求两个字符串长度相同；

3、Longest common subsequence distance，仅允许插入和删除操作；

4、Levenshtein distance，又称作编辑距离，允许插入、删除和替换操作，但不允许交换操作，满足三角不等式，可以作为度量标准；

5、Damerau-Levenshtein distance，允许插入、删除、替换和交换相邻字符四种操作,不限定子串被操作的次数；

6、Optimal String Alignment，又称restricted edit distance（受限编辑距离）为 Damerau-Levenshtein distance的受限形式，记限定子串仅能被操作一次，OSA（CA，ABC）为3，记CA->A->AB->ABC，而 Damerau-Levenshtein distance为2，距离为CA->AC->ABC， Optimal String Alignment不满足三角不等式（OSA（CA，AC）+OSA（AC，ABC）<OSA（CA，ABC）），不能作为度量标准。

自然处理中经常使用的为 Levenshtein distance和 Optimal String Alignment，依需要进行选择即可。

Levenshtein distance的动态规划算法：

如果i == 0 且 j == 0，edit(i, j) = 0
如果i == 0 且 j > 0，edit(i, j) = j
如果i > 0 且j == 0，edit(i, j) = i
如果0 < i ≤ 1 且 0 < j ≤ 1 ，edit(i, j) == min{ edit(i-1, j) + 1, edit(i, j-1) + 1, edit(i-1, j-1) + f(i, j) }，这里当字符串1的第i个字符不等于字符串2的第j个字符时，f(i, j) = 1；否则，f(i, j) = 0。

Optimal String Alignment的动态规划算法：

如果i == 0 且 j == 0，edit(i, j) = 0
如果i == 0 且 j > 0，edit(i, j) = j
如果i > 0 且j == 0，edit(i, j) = i
如果0 < i ≤ 1 且 0 < j ≤ 1 ，edit(i, j) == min{ edit(i-1, j) + 1, edit(i, j-1) + 1, edit(i-1, j-1) + f(i, j) }，这里当字符串1的第i个字符不等于字符串2的第j个字符时，f(i, j) = 1；否则，f(i, j) = 0。
如果i > 1且 j > 1时，这个时候可能出现操作（4），由之前的推导，我们只能交换一次，否则就没有意义。这个时候在比较最小值中可能加入edit(i-2, j-2) +1，什么时候加入呢？假设i-2长度的字符串1子串和j-2长度的字符串2子串已经得出最优解，这个时候如果s1[i-1] == s2[j] 并且s1[i] == s2[j-1]，这时就在比较值中加入edit(i-2, j-2) + 1（这个1是交换一次的操作）

二、个人理解：

假设两个字符串A(1..i-1)和B(1..j-1)的编辑距离为a，求在两个字符串中分别加入A[i]和B[j]后的连个字符串的编辑距离。

首先：Edit(A(1..i), B(1..j)) >= Edit(A(1..i-1), B(1..j-1))，这一点是显而易见的；

其次：Edit(A(1..i), B(1..j))最多比Edit(A(1..i-1), B(1..j-1))大一，即Edit(A(1..i), B(1..j)) <= Edit(A(1..i-1)+1；

基于上面两点可以得出这样的结论：

Edit(A(1..i-1), B(1..j-1))+1 >= Edit(A(1..i), B(1..j)) >= Edit(A(1..i-1), B(1..j-1))

在两个字符串中任一个后添加一个字符，得到的编辑距离可能有三种情况：a-1,a和a+1；

下面基于Edit(A(1..i-1), B(1..j-1))推理Edit(A(1..i), B(1..j))

当A[i]=B[j]时，添加这两个字符不会改变字符串的编辑距离；

当A[i]!=B[j]时，可以分为三个情况：

1）、假设添加A[i]使得Edit(A(1..i), B(1..j-1))=a-1；此时加上B[j]，则Edit(A(1..i), B(1..j))只能等于a，因为Edit(A(1..i), B(1..j)) >= Edit(A(1..i-1), B(1..j-1))；

2）、假设添加B[j]使得Edit(A(1..i-1), B(1..j))=a-1；此时加上A[i]，则Edit(A(1..i), B(1..j))也只能等于a，因为Edit(A(1..i), B(1..j)) >= Edit(A(1..i-1), B(1..j-1))；