编辑距离计算与Python实现

最新推荐文章于 2024-08-22 08:15:14 发布

智绘山河

最新推荐文章于 2024-08-22 08:15:14 发布

阅读量2k

点赞数 1

分类专栏： Algorithm & Data Structure

本文链接：https://blog.csdn.net/meiqi0538/article/details/100174208

版权

Algorithm & Data Structure 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1 什么是编辑距离

在计算文本的相似性时，经常会用到编辑距离（Levenshtein距离），其指两个字符串之间，由一个字符串转成另一个所需的最少编辑操作次数。在字符串形式上来说，编辑距离越小，那么两个文本的相似性越大，暂时不考虑语义上的问题。其中，编辑操作包括以下三种：

插入：将一个字符插入某个字符串
删除：将字符串中的某个字符删除
替换：将字符串中的某个字符串替换为另一个字符

为了更好地说明编辑距离的概念，我们看看一个例子，将字符串“batyu”变为“beauty”，编辑距离是多少呢？分析步骤如下：

将batyu插入字符e有：beatyu
将beatyu删除字符u有：beaty
将beaty插入字符u有：beauty

所以，字符串“batyu”与字符串“beauty”之间的编辑距离为：3.

2 数学化

先抛开具体编程语言实现，我们简单地分析一下如何计算两个字符串之间的编辑距离

当两个字符串都为空串的时候，那么编辑距离就是0
当其中一个字符串为空串时，那么编辑距离为另一个非空字符串的长度
当两个字符串A,B均为非空时(假设长度分别为i,j)，那么有如下三种情况，我们取这三种情况的最小值即可：
1). 已知字符串A中长为 i - 1(从字符串首开始，以下描述字符串长默认此种描述)和字符串B长为j的编辑距离，那么在此基础上加1即可
2).长度分别为i,h和j-1的编辑距离已知，那么加1即可
3).长度分别为i-1和j-1的编辑距离已知，这个时候需要考虑两种情况，若第i个字符和第j个字符不同，那么加1即可，如果相同，那么就不需要加1.

从上面的描述，很明显可以发现是动态规划的思想。
我们将上面的叙述数学化，则有：求长度为m和n的字符A、B串编辑距离，即函数：edit(i,j),它表示第一个长度为i(从字符首开始)的字符串与第二个长度为j的字符串之间的编辑距离。动态规划表达式则有如下写法，假设i,j表示字符串A,B的字串长度：

if i==0 且 j==0,edit(i,j)=0
if (i==0 且 j>0) 或者(i>0 且j ==0)，edit(i,j)=i + j
if i>= 1 且 j >= i, edit(i, j) = min(edit(i-1,j) + 1, edit(i, j-1) + 1, edit(i-1,j-1) + d(i,j);当第一个字符串的第i个字符不等于第二个字符串第j个字符时，d(i,j)=1，否则为0

字符串“batyu”与字符串“beauty”之间的编辑距离矩阵则有如下表示：

最终的编辑距离即为edit(m,n)。

3 编程实现

有了上面的思路，使用Python去实现计算两个字符串的编辑距离就简单多了。

def edit_distance(str1, str2):
    """
    计算字符串str1和字符串str2的编辑距离
    :param str1:需比较的字符串1
    :param str2:需比较的字符串2
    :return:返回两个字符串的比较距离
    """
    # 构建编辑矩阵,并初始化
    edit = [[i + j for j in range(len(str2) + 1)] for i in range(len(str1) + 1)]

    for i in range(1, len(str1) + 1):
        for j in range(1, len(str2) + 1):
            if str1[i - 1] == str2[j - 1]:
                d = 0
            else:
                d = 1
            edit[i][j] = min(edit[i - 1][j] + 1, edit[i][j - 1] + 1, edit[i-1][j-1]+d)
    # 查看编辑矩阵
    for edit_unit in edit:
        print(edit_unit)

    return edit[len(str1)][len(str2)]


if __name__ == "__main__":
    a = "batyu"
    b = "beauty"
    distance = edit_distance(a, b)
    print(distance)