standford NLP课程笔记四 编辑距离

编辑距离用来衡量两个串的相似度

编辑距离就是用最少的编辑操作将一个词变为另一个词，操作有三种

插入

删除

替换

如何计算最短编辑距离？ 采用动态规划

字符串X长度为n

字符串Y长度为m

定义D(i,j)表示X[1,i]和Y[1,j]的最短编辑距离，则D(n,m)表示X和Y的最短编辑距离，注意这里的字符串  下标是从1开始的，而数组D的下标是从0开始的

比如 D(0,1)表示X不取，Y取第一个字符 这两个字串的聚类，显然是1，即删除Y的第一个字符即可

初始化

D(i,0)=i

D(j,0)=j

先计算i,j较小的情况下的D(i,j),然后再 利用已经计算出来的结果来计算i,j较大的情况下的D(i,j)

X(1...i)和Y(1...j)的编辑距离，要么是 已知X(1....i-1)和Y(1,j)的编辑距离的基础上，在X(1....i-1)的末尾进行增加操作 

  或者 在已知X(1....i)和Y(1....j-1)的编辑距离的基础上，在Y(1....j-1)的末尾进行增加操作

或者 在已知X(1....i-1)和Y(1,j-1)的编辑距离的基础上，将X的第i个字符和Y的第j个字符进行替换操作，当然，如果相同的话就不需要替换了

用公式表达出来就是