用C#实现字符串相似度算法（编辑距离算法 Levenshtein Distance）

在搞验证码识别的时候需要比较字符代码的相似度用到“编辑距离算法”，关于原理和C#实现做个记录。

据百度百科介绍：

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，如果它们的距离越大，说明它们越是不同。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）

　　俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。因此也叫Levenshtein Distance。

例如

• 如果str1="ivan"，str2="ivan"，那么经过计算后等于 0。没有经过转换。相似度=1-0/Math.Max(str1.length,str2.length)=1
• 如果str1="ivan1"，str2="ivan2"，那么经过计算后等于1。str1的"1"转换"2"，转换了一个字符，所以距离是1，相似度=1-1/Math.Max(str1.length,str2.length)=0.8

应用

　　DNA分析

　　拼字检查

　　语音辨识

　　抄袭侦测

算法过程

1. 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;
2. 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。
3. 扫描两字符串（n*m级的），如果：str1[i] == str2[j]，用temp记录它，为0。否则temp记为1。然后在矩阵d[i,j]赋于d[i-1,j]+1 、d[i,j-1]+1、d[i-1,j-1]+temp三者的最小值。
4. 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

相似度：1-1/Math.Max(“ivan1”.length,“ivan2”.length) =0.8

算法用C#实现

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

<span style= "color: #008080" > 1</span> <span style= "color: #0000ff" > public </span> <span style= "color: #0000ff" > class </span><span style= "color: #000000" > LevenshteinDistance </span><span style= "color: #008080" > 2</span> <span style= "color: #000000" >    { </span><span style= "color: #008080" > 3</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"><summary></span> <span style= "color: #008080" > 4</span>         <span style= "color: #808080" > ///</span><span style="color: #008000"> 取最小的一位数 </span><span style= "color: #008080" > 5</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"></summary></span> <span style= "color: #008080" > 6</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"><param name="first"></param></span> <span style= "color: #008080" > 7</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"><param name="second"></param></span> <span style= "color: #008080" > 8</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"><param name="third"></param></span> <span style= "color: #008080" > 9</span>         <span style= "color: #808080" > ///</span> <span style="color: #808080"><returns></returns></span> <span style= "color: #008080" >10</span>         <span style= "color: #0000ff" > private </span> <span style= "color: #0000ff" > int </span> LowerOfThree(<span style= "color: #0000ff" > int </span> first, <span style= "color: #0000ff" > int </span> second, <span style= "color: #0000ff" > int </span><span style= "color: #000000" > third) </span><span style= "color: #008080" >11</span> <span style= "color: #000000" >        { </span><span style= "color: #008080" >12</span>             <span style= "color: #0000ff" > int </span> min =<span style= "color: #000000" > Math.Min(first, second); </span><span style= "color: #008080" >13</span>             <span style= "color: #0000ff" > return </span><span style= "color: #000000" > Math.Min(min, third); </span><span style= "color: #008080" >14</span> <span style= "color: #000000" >        } </span><span style= "color: #008080" >15</span> <span style= "color: #008080" >16</span>         <span style= "color: #0000ff" > private </span> <span style= "color: #0000ff" > int </span> Levenshtein_Distance(<span style= "color: #0000ff" > string </span> str1, <span style= "color: #0000ff" > string </span><span style= "color: #000000" > str2) </span><span style= "color: #008080" >17</span> <span style= "color: #000000" >        { </span><span style= "color: #008080" >18</span>             <span style= "color: #0000ff" > int </span><span style= "color: #000000" >[,] Matrix; </span><span style= "color: #008080" >19</span>             <span style= "color: #0000ff" > int </span> n =<span style= "color: #000000" > str1.Length; </span><span style= "color: #008080" >20</span>             <span style= "color: #0000ff" > int </span> m =<span style= "color: #000000" > str2.Length; </span><span style= "color: #008080" >21</span> <span style= "color: #008080" >22</span>             <span style= "color: #0000ff" > int </span> temp = <span style= "color: #800080" >0</span><span style= "color: #000000" >; </span><span style= "color: #008080" >23</span>             <span style= "color: #0000ff" > char </span><span style= "color: #000000" > ch1; </span><span style= "color: #008080" >24</span>             <span style= "color: #0000ff" > char </span><span style= "color: #000000" > ch2; </span><span style= "color: #008080" >25</span>             <span style= "color: #0000ff" > int </span> i = <span style= "color: #800080" >0</span><span style= "color: #000000" >; </span><span style= "color: #008080" >26</span>             <span style= "color: #0000ff" > int </span> j = <span style= "color: #800080"