Oracle计算编辑距离相似度问题

1、使用Oracle的UTL_MATCH.edit_distance_similarity计算非英文字符编辑相似度时会存在问题：

错误示例如下

select UTL_MATCH.edit_distance_similarity('附件11','通用'),UTL_MATCH.edit_distance_similarity('分类2-1','通用') from dual;

两个毫不相干的字符理论上编辑距离应该为0才对。

2、使用PostgreSQL扩展函数计算编辑距离，经验证对于非英文字符是正确的：

-- 扩展函数加载
CREATE EXTENSION "fuzzystrmatch";    
--     编码距离相似度分析
CREATE FUNCTION "levenshtein_similarity" (in_source TEXT, target TEXT) RETURNS INTEGER AS $BODY$ 
BEGIN
    IF (length(in_source) > length(target)) THEN
            RETURN (1-levenshtein (in_source, target) / length(in_source)::float8)*100;
        ELSE RETURN (1-levenshtein(in_source, target) / length(target)::float8)*100;    
    END IF;
END;
$BODY$ LANGUAGE plpgsql VOLATILE COST 100;

 3、验证结果正确性

使用Python提供的编辑距离函数验证

import Levenshtein

def edit_distance_similarity(str1: str, str2:str):
    distance=Levenshtein.distance(str1, str2);
    maxLen:int;
    if len(str1) > len(str2):
        maxLen=len(str1);
    else:
        maxLen = len(str2);
    return (maxLen-distance)/maxLen * 100

print(edit_distance_similarity("서울시중구퇴계로73길 35  신일빌딩203","인천 중구 항동7가 유한빌딩 27-21"));

 上面的编辑距离相似度结果为21.739；

对比PostgreSQL函数结果：

 对比Oracle函数结果：

 总结：UTL_MATCH.edit_distance_similarity计算非英文字符编辑相似度时，结果有时会存在问题，故记录下来，供参考！