编辑距离
算法算法过程
- str1或str2的长度为0返回另一个字符串的长度。 if(str1.length==0) return str2.length; if(str2.length==0) return str1.length;
- 初始化(n+1)*(m+1)的矩阵d,并让第一行和列的值从0开始增长。
- 扫描两字符串(n*m级的),如果:str1[i] == str2[j],d[i][j]==d[i-1][j-1],否则d[i,j]等于d[i-1,j]+1 、d[i,j-1]+1、d[i-1,j-1]+1三者的最小值。
- 扫描完后,返回矩阵的最后一个值d[n][m]即是它们的距离。
计算相似度公式:1-它们的距离/两个字符串长度的最大值。
为了直观表现,我将两个字符串分别写到行和列中,实际计算中不需要。我们用字符串“ivan1”和“ivan2”举例来看看矩阵中值的状况:
1、第一行和第一列的值从0开始增长
i | v | a | n | 1 | ||
0 | 1 | 2 | 3 | 4 | 5 | |
i | 1 | |||||
v | 2 | |||||
a | 3 | |||||
n | 4 | |||||
2 | 5 |
2、i列值的产生 Matrix[i - 1, j] + 1 ; Matrix[i, j - 1] + 1 ; Matrix[i - 1, j - 1] + t
i | v | a | n | 1 | ||
0+t=0 | 1+1=2 | 2 | 3 | 4 | 5 | |
i | 1+1=2 | 取三者最小值=0 | ||||
v | 2 | 依次类推:1 | ||||
a | 3 | 2 | ||||
n | 4 | 3 | ||||
2 | 5 | 4 |
3、V列值的产生
i | v | a | n | 1 | ||
0 | 1 | 2 | ||||
i | 1 | 0 | 1 | |||
v | 2 | 1 | 0 | |||
a | 3 | 2 | 1 | |||
n | 4 | 3 | 2 | |||
2 | 5 | 4 | 3 |
依次类推直到矩阵全部生成
i | v | a | n | 1 | ||
0 | 1 | 2 | 3 | 4 | 5 | |
i | 1 | 0 | 1 | 2 | 3 | 4 |
v | 2 | 1 | 0 | 1 | 2 | 3 |
a | 3 | 2 | 1 | 0 | 1 | 2 |
n | 4 | 3 | 2 | 1 | 0 | 1 |
2 | 5 | 4 | 3 | 2 | 1 | 1 |
最后得到它们的距离=1
例题:
编辑距离,又称Levenshtein距离(也叫做Edit Distance),是指两个字串之间,由一个转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。
例如将kitten一字转成sitting:
sitten (k->s)
sittin (e->i)
sitting (->g)
所以kitten和sitting的编辑距离是3。俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。
给出两个字符串a,b,求a和b的编辑距离。
第2行:字符串b(b的长度 <= 1000)。
kitten sitting
3
#include <stdio.h>
#include <string.h>
#include <algorithm>
using namespace std;
int lena,lenb;
char a[1010], b[1010];
int dp[1010][1010];
void work() {
for(int i=1; i<=lena; i++) dp[i][0] = i;
for(int j=1; j<=lenb; j++) dp[0][j] = j;
for(int i=1; i<=lena; i++)
for(int j=1;j<=lenb;j++)
if(a[i-1]==b[j-1])
dp[i][j]=dp[i-1][j-1];
else
dp[i][j] = min(dp[i-1][j-1], min(dp[i][j-1], dp[i-1][j]))+1;
printf("%d\n", dp[lena][lenb]);
}
//以下是优化了的,还需理解
//int dp[1010];
//void work() {
// for(int j=1; j<=lenb; j++)
// dp[j] = j;
// int t1, t2;
// for(int i=1; i<=lena; i++) {
// t1 = dp[0]++;
// for(int j=1; j<=lenb; j++) {
// t2 = dp[j];
// if(a[i-1]==b[j-1])
// dp[j] = t1;
// else
// dp[j] = min(t1, min(dp[j-1], dp[j]))+1;
// t1 = t2;
// }
// }
// printf("%d\n", dp[lenb]);
//}
int main()
{
gets(a);gets(b);
lena = strlen(a);
lenb = strlen(b);
work();
return 0;
}