<?php
#中文短句子相似度比较
#参考文献 http://www.doc88.com/p-2055556399236.html
header("Content-type: text/html; charset=utf-8");
class ShortTextCompare{
#计算匹配文字$arr1[$i]的最小匹配偏移值
public static function PosOffset($arr1, $i, $arr2){
$len2 = count($arr2);
$arr2_reverse = array_reverse($arr2);
for($j = 0; $j < $len2; $j++){
$rev_num = abs($i-$j)-1;
$rev_data = isset($arr2_reverse[$rev_num]) ? $arr2_reverse[$rev_num] : '';
$notrev_data = isset($arr2[$i-$j]) ? $arr2[$i-$j] : '';
if($i+$j >= 0 && $arr1[$i] == ($i-$j >=0 ? $notrev_data : $rev_data)){
return $j;
}
if($i+$j < $len2 && $arr1[$i] == $arr2[$i+$j]){
return $j;
}
}
return $len2;
}
#计算匹配文字$arr1[$i]对于整体相似度的贡献量
public static function CC($arr1, $i, $arr2){
$len2 = count($arr2);
$len2_float = sprintf("%.2f", $len2);
$temp = self::PosOffset($arr1, $i, $arr2);
$data = ($len2 - $temp) / $len2_float;
return $data;
}
#计算短语$arr1相对于短语$arr2的相似度sc
public static function SC($arr1, $arr2){
$sc = 0.0;
$len1 = count($arr1);
for($i = 0; $i < $len1; $i++){
$sc += self::CC($arr1, $i, $arr2);
}
$sc /= $len1;
return $sc;
}
#计算短语$arr1与短语$arr2之间的相似度
public static function S($arr1, $arr2){
$temp1 = self::SC($arr1, $arr2);
$temp2 = self::SC($arr2, $arr1);
return ($temp1 + $temp2)/2;
}
#将字符串转换成数组存储
public static function CharToArr($str){
return preg_split('/(?<!^)(?!$)/u', $str );
}
}
// $str1 = '大学化学实验';
// $str2 = '大学物理实验';
// $str1 = '大学生思想品德修养';
// $str2 = '毛泽东思想概论';
$str1 = '计算机专业英语';
$str2 = '大学英语';
// $str1 = '国中567';
// $str2 = '中国1';
$str_arr1 = ShortTextCompare::CharToArr($str1);
$str_arr2 = ShortTextCompare::CharToArr($str2);
$num = ShortTextCompare::S($str_arr1, $str_arr2);
print $num;
中文短句子相似度比较(PHP版本UTF8)
最新推荐文章于 2022-09-29 10:31:04 发布