编辑距离 Edit Distance

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