计算字符串的相似度

计算字符串的相似度

     源于编程之美的一道算法题,但是上网查了一些文章,下面作者的博客给我了一个更深刻的认识。字符串相似度是文本相似度的基础,而计算字符串的相似度的算法基础,一个与我们常看到的一道经典的动态规划题——计算最长公共子串;另一个就是编程之美的这道题目计算两字符串的编辑距离。这两个算法都可以通过DP动态规划来解决。

    下面摘自网上博客文章地址:

    基于编辑距离

    基于最长公共子串

    计算文本相似度的公式

    文本比较算法Ⅳ——Nakatsu算法

    文本比较算法Ⅴ——回顾贴,对前面几篇文章的回顾与质疑

    文本比较算法Ⅵ——用线性空间计算最大公共子序列(翻译贴)

    文本比较算法Ⅶ——线性空间求最长公共子序列的Nakatsu算法

    文本比较算法Ⅷ——再议Nakatsu算法

    目前只看了前三篇,算是对字符串相似度计算的一个总结性的认识。文章代码是VB,我不会VB所以不太好理解。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Java中可以通过编写Levenshtein Distance算法来计算字符串相似度。以下是一个基于动态规划的实现示例代码: ```java public class LevenshteinDistance { public static int calculate(String s1, String s2) { int[][] distance = new int[s1.length() + 1][s2.length() + 1]; for (int i = 0; i <= s1.length(); i++) { distance[i][0] = i; } for (int j = 1; j <= s2.length(); j++) { distance[0][j] = j; } for (int i = 1; i <= s1.length(); i++) { for (int j = 1; j <= s2.length(); j++) { int cost = s1.charAt(i - 1) == s2.charAt(j - 1) ? 0 : 1; distance[i][j] = Math.min(Math.min(distance[i - 1][j] + 1, distance[i][j - 1] + 1), distance[i - 1][j - 1] + cost); } } return distance[s1.length()][s2.length()]; } } ``` 在上述代码中,我们首先定义一个二维数组distance,用于存储字符串s1和s2之间的编辑距离。然后,我们初始化distance数组的第一行和第一列。接着,我们通过两个嵌套的循环遍历distance数组,计算编辑距离。最后,我们返回distance数组的最后一个元素,即s1和s2之间的编辑距离。 可以通过以下方式调用LevenshteinDistance类中的calculate方法来计算两个字符串之间的编辑距离: ```java String s1 = "kitten"; String s2 = "sitting"; int distance = LevenshteinDistance.calculate(s1, s2); System.out.println("编辑距离为:" + distance); ``` 运行结果为: ``` 编辑距离为:3 ``` 这表明,将字符串"kitten"转变成字符串"sitting"所需的最少操作次数为3。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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