最小编辑距离 (MED)实现-Python

最新推荐文章于 2024-05-01 03:19:23 发布
原创 最新推荐文章于 2024-05-01 03:19:23 发布 · 2.1k 阅读 · 18 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #动态规划 #自然语言处理

本文介绍了一个使用Python实现的最小编辑距离算法，该算法用于计算两个字符串之间的相似度，适用于拼写纠错、生物序列对比等场景。作者详细阐述了实验过程，包括动态规划的实现、编辑操作的代价设置以及如何回溯显示最小编辑路径。此外，代码能够处理中英文字符串，并允许用户自定义操作代价。

此帖内容是去年9月份自己做的小实验~

1. 实验目的

        最小编辑距离旨在定义两个字符串之间的相似度，定义相似度可以用于拼写纠 错、计算生物学上的序列对比、机器翻译、信息提取和语音识别等。

        最小编辑距离就是指将一个字符串通过插入、删除和替换的编辑操作转变为另 一个字符串所需要的最小的编辑次数。

        本次实验要求实现英文（及中文）字符串的最小编辑距离，计算并显示最小编辑路径；并且要求可以输入不同的字符串，以及可以同过修改操作代价来改 变最小编辑距离。

2. 实验环境

Python3.8.5。

3. 实验方法

 

4. 实验结果

 

最低0.47元/天 解锁文章
Charmian11
关注
【动态规划----“最小编辑距离”问题（C++解决）】
追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光
11-12 2399
代码 #include<bits/stdc++.h> //#include <iostream> //#include <string.h> //#include <vector> //#include <algorithm>//min()包含头文件 using namespace std; int main(){ char str1[1025],str2[1025];//长度不超过1024,长度最小要声明为1024+1,因为字符串末尾有空字符。
动态规划之编辑距离/最长公共子序列
黄波波的博客
07-06 1151
Leetcode 72 编辑距离 本文层层递进，一共使用了五种方法，用Python解决了编辑距离问题。其根本思想是使用动态规划算法，根据状态转移方程即可求解。 给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。 你可以对一个单词进行如下三种操作： 插入一个字符 删除一个字符 替换一个字符 这个问题从直观上给人是很难的，但是在实际应用中非常常见。如下面的例子：输入法自动更正，当输入是左边的单词时，输入法会自动猜测到kitchen,而不是与实际输入差
最小编辑距离 -- 解析及python实现，初学者必看
2401_83620927的博客
04-11 793
2. 填写s[2]过程：A[2]!A[2]!A[2]!A|Babce01234a10123c21112e3f43. 填写s[3]过程：A[3]!A[3]!A[3]!A|Babce01234a10123c21112e32221f44. 填写s[4]过程：A[4]!A[4]!A[4]!A[4]!
动态规划-最小编辑距离 python代码
07-28
如果是A串的第i个字符和B串的第j个字符 1.在A的第i个字符后插入一个字符B[j]，问题转化为计算A[i...lenA]和B[j+1...lenB]的距离 2.删除A串的第i个字符，问题转化为计算A[i+1...lenA]和B[j...lenB]的距离 3.将A的第i个字符替换成B的第j个字符，问题转化为计算A[i+1...lenA]和B[j+1...lenB]的距离。于是替换操作的编辑距离就是d[i-1][j-1]+flag。其中，当A[i]==B[j]时，flag=0， A[i]！=B[j]，flag=1 d [i-1][j] 、d [i][j-1]、d [i-1][j-1]进行比较，其中最小的就是当前A和B的编辑距离
两个字符串的编辑距离-动态规划方法
热门推荐
ac540101928的专栏
10-11 3万+
概念 字符串的编辑距离，又称为Levenshtein距离，由俄罗斯的数学家Vladimir Levenshtein在1965年提出。是指利用字符操作，把字符串A转换成字符串B所需要的最少操作数。其中，字符操作包括： 删除一个字符     a) Insert a character 插入一个字符     b) Delete a character 修改一个
最小编辑距离-动态规划的python实现（附源码）
小羊驼一脸草的博客
03-05 1156
问题分析 注：仔细本博客，可以保证使你理解最小编辑距离的算法，并对动态规划思想有更深刻的认知。 最小编辑距离是一个经典的动态规划问题，我认为网上很多博客、视频都没有把这个问题讲清楚，至少初学者很难理解他们的讲解，因此我会在问题分析里从我自己的朴素逻辑出发去试图分析清楚这个问题中我遇到的所有细节，希望正在阅读本博客的你不会觉得我写的太多。 “最小编辑距离”这个概念的引入是为了作为判断文本之间相似程度的一种衡量，这个概念是指：一个字符串要经过最少多少次的“插入”、“删除”、”替换“操作才能转化为另一个字符串。
最小编辑距离 动态规划 python
weixin_52596361的博客
04-22 1250
最小编辑距离 动态规划 python
最长公共子序列问题和最小编辑距离源码
最新发布
12-03
最小编辑距离（Minimum Edit Distance,MED），也称为Levenshtein距离，是指将一个字符串转换成另一个字符串所需的最少单字符操作次数（插入、删除或替换）。同样，也可以通过动态规划求解。在Python中，可以用类似的...
Rosalind-problem-codes:使用Python解决Rosalind问题的解决方案代码
04-08
6. **动态规划**：许多生物信息学问题可以通过动态规划方法解决，如计算最长公共子序列（LCS）和构建最小编辑距离（MED）。 7. **回溯法**：在某些问题中，如寻找所有可能的基因剪接方式，回溯法是一种有效的解决...
基于动态规划的编辑距离计算公式及应用
lankuohsing的博客
10-29 972
文章目录1. 编辑距离的定义2. 基于动态规划的求解算法2.1. 递推公式 https://www.jianshu.com/p/a617d20162cf 1. 编辑距离的定义 编辑距离（Minimum Edit Distance，MED），由俄罗斯科学家 Vladimir Levenshtein 在1965年提出，也因此而得名 Levenshtein Distance。编辑距离一般用于度量两个序列相似程度的指标，具体来说，它计算的是一个序列A最少可以经过多少次操作变成另一个序列。这里的操作包括以下三种： .
Python实现计算最小编辑距离
09-21
主要介绍了Python实现计算最小编辑距离的相关代码，有需要的小伙伴可以参考下
python 编辑距离_最短编辑距离
weixin_39613188的博客
11-24 122
我靠,python3通过不了.............老是说超时。。。。。。。本地测平均时间为240毫秒左右...........求解决（题目显示最多不能超过1秒） ef minDistance_dp(word1, word2):"""word1: 原始字符串word2: 目标字符串"""N1, N2 = len(word1), len(word2)if(N1 == 0) or (N2 == 0)...
python 编辑距离_最小编辑距离的两种python写法
weixin_39874589的博客
11-21 333
最近项目需要做近似文本的对比，看到最小编辑距离能够一定程度来区分文本相似度，下面是两段代码：def normal_leven(str1, str2):len_str1 = len(str1) + 1len_str2 = len(str2) + 1# 创建矩阵matrix = [0 for n in range(len_str1 * len_str2)]# 矩阵的第一行for i in range(...
最小编辑距离python代码_最小编辑距离算法
weixin_39678525的博客
12-14 469
最小距离算法用来计算两个字符串之间的相似度，这次主要是因为对搜索结果的ReRank需要用这个算法做一下优化。一、简介1.最小编辑距离算法又称 Min Edit Distance，是用来计算两个字符串相似性的比较常用的算法，主要应用场景包括抄袭检测，拼写检查，相似度计算等等方面，这次主要是对搜索结果ReRank时需要用到此算法，Python版的实现已放在我的github上。2. 此算法是利用sour...
2024年Python最全最小编辑距离 -- 解析及python实现
2401_84562251的博客
05-01 1790
一、题目要求尝试用python写一段最小编辑距离计算的代码两个字符串之间，有一个转变成另一个所需要的操作数量支持三种操作输入 Insertion Deletion Substitution二、实验原理编辑距离（Edit Distance），又称Levenshtein距离，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。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。一般来说，编辑距离越小，两个串的相似度越大。
字符串和输入输出缓冲区
weixin_51420051的博客
10-30 666
字符串 ​ 字符：在计算机中字符是以整数形式存在的，当需要使用时会根据ASCLL码表中的对应关系来显示相应的符号或图案 ​ 0 ‘\0’ ​ 48 ‘0’ ​ 65 ‘A’ ​ 97 ‘a’ ​ 串： 一种数据结构，由一组连续的若干个相同类型的数据组成。 ​ 末尾有一个结束标志。 ​ 对于串行结构的处理都是批量性的，从开头位置直到遇到了结束标志停止。 ​ 字符串：由字符组成的串型结构，由’\0’结尾 ​ 字符串的输入 ​ scanf %s 地址 ​ 缺点：不接收空格
最小编辑距离python实现
皓月耀星辰的专栏
10-12 8145
# -*- coding: cp936 -*- def edit(str1, str2):          matrix = [[i+j for j in range(len(str2) + 1)] for i in range(len(str1) + 1)]     for i in xrange(1,len(str1)+1):         for j in xrange
最小编辑距离 -- 解析及python实现
Sabrina_cc的博客
05-10 2413
一、题目要求 二、实验原理 三、实验代码 1. 方法一：递归 2. 方法二：动态规划 四、结果 一、题目要求 尝试用python写一段最小编辑距离计算的代码 两个字符串之间，有一个转变成另一个所需要的操作数量 支持三种操作输入 Insertion Deletion Substitution 二、实验原理 编辑距离（Edit Distance），又称Levenshtein距离，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。许可的编辑操...
最短编辑距离
weixin_44106287的博客
10-19 306
给定两个字符串A和B，现在要将A经过若干操作变为B，可进行的操作有： 删除–将字符串A中的某个字符删除。 插入–在字符串A的某个位置插入某个字符。 替换–将字符串A中的某个字符替换为另一个字符。 现在请你求出，将A变为B至少需要进行多少次操作。 输入格式 第一行包含整数n，表示字符串A的长度。 第二行包含一个长度为n的字符串A。 第三行包含整数m，表示字符串B的长度。 第四行包含一个长度为m的字符串B。 字符串中均只包含大写字母。 输出格式 输出一个整数，表示最少操作次数。 数据范围 1≤n,m≤1000
Java实现最小编辑距离计算字符串相似度方法
在Java中实现最小编辑距离算法可以帮助开发者解决各种字符串相似度比较的问题。下面将详细探讨最小编辑距离在Java中的实现方法和相关知识点。 首先，我们需要了解的是编辑距离的定义和计算方法。假设我们有两个字符...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值