编辑距离，即Levenshtein距离，衡量了两个字符串之间转换所需的最小编辑操作数。它广泛应用于DNA分析、拼写纠错、机器翻译和网址归类等领域。Levenshtein算法基于动态规划，通过构建二维矩阵确定字符串间的相似度。具体实现包括插入、删除和替换三种操作。Java和Python中都有相应的实现库，便于实际应用。
编辑距离，又被称为Levenshtein距离，是指两个字符串之间，由其中一个转变成另一个所需的最小编辑操作次数。
比如："sea" 转变为 "eat" 需要2次操作：
1、将 s 删除
2、在末尾添加 t
所以"sea"和"eat"两个字串的编辑距离为2。
这里需要注意的是：所谓的操作只包含 (1) 插入 (2) 删除 (3) 替换 ，并不包括字符的交换操作！
编辑距离的应用：
编辑距离可以表示两个字串的相似程度，编辑距离越小，两个字串相似度就越高。
1、DNA序列分析
2、拼写纠错
3、机器翻译
机器翻译通常使用的是Seq2seq模型。编辑距离可以作为Seq2seq的损失函数，即度量标记值和输出值之间的相似程度。
4、网址归类
性质相近的网站，它们的url地址通常也相似，比如csdn不同用户的网址。根据编辑距离可以有效地对网址进行大规模处理。
......
Levenshtein算法：
Levenshtein算法的本质其实是动态规划。以 "holiday" 和 "today" 为例，它的具体步骤是：
1、建立一个二维数组，大小为 (word1.length+1)*(word2.length+1)
| t | o | d | a | y | ||
| h | ||||||
| o | ||||||
| l | ||||||
| i | ||||||
| d |
最低0.47元/天 解锁文章
扫一扫
708
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
