动态规划之最小编辑距离问题

       先说点题外话，早上同学给我了一套卷子，让我做，他对象的机试题，第一题是求点队中的最小距离点对，没说数据量，那肯定直接暴力就行了(有给分点，正确输入给5分，什么什么给五分)，或者分治算法(编程之美里的)；第二题是替换字符串；第三题是求给出的四边形的面积，逼着认为这个不能用海伦公式，因为可能是凹四边形，需要向量公式。题目如此简单，这就是北邮，这种题目能考察出来水平么，哎，或许真是考研的学生水平都不高，只是会看书会考试而已。

       昨晚吃饭，本科的张同学惊讶于我说的体重，找了个诊所，直接进去测，发现真的是70kg，本科时候我从来不到60kg。

一、问题来源

       看云计算的书，提到微博去重，因为数据量巨大，需要先Hash再MapReduce，那么如何Hash把相似的微博尽可能放到同一个桶里呢？用哪个Hash呢，作者提出了局部敏感Hash算法，中间的距离度量函数可以使用编辑距离（Edit Distance），但是编辑距离右脚Levenshtein莱温斯坦距离，即LD，写到这，笔者突然想到，ED距离是不是就是编辑距离，原来我认为是欧几里得距离。哈哈，这真是“文章本天成，妙手偶得之”。

       我查了资料发现编辑距离在NLP(神经语言程序学)中应用广泛。

二、问题分析

       下面资料，来自北大，这真是人才的摇篮，我不知道我咋找到这个资料的，记得以前这类资料也都是pdf链接，现在依旧。而且笔者发现，他们的资料更加细致，可能出现的问题都做了标注，这些问题包括读者能想到的和不能想到的，很有启发性和警醒作用，为何说警醒，因为你突然发现自己的误解，那么就不会那么自满了；北大和我校的区别，就像高中老师和大学老师的区别。此偶之愚见也。

       1.引入

       源文：She is a star with the theatre company.

       机器译文：她 是 与 剧院 公司 的 一 颗 星。

       参考译文：她 是 剧团 的 明星。
           

 

 

       2.算法分析

            

 

       看完接下来的资料，我发现，Dijkstra算法从后往前推结果，编程却是从前往后，但是不理解，现在想来，这是必然的。因为d[i][j]=min{d[i-1][j-1]……}，结果是d[m][n]不算出前面的怎么计算出d[m][n],从前往后是递推，从后往前类似递归，哈哈。

       参考资料：http://ccl.pku.edu.cn/doubtfire/Course/Computational%20Linguistics/contents/Minimum%20Edit%20Distance.pdf

 

三、算法实现

       1.Java版本

        上面算法的变形实现，或者直接写个min(a,b,c)函数就是上面的算法实现了。

public class MinimumEditDistance { public static int minEditDistance(String dest, String src) { int[][] f = new int[dest.length()+1][src.length() + 1]; f[0][0] = 0; for (int i = 1; i < dest.length() + 1; i ) { f[i][0] = i; } for (int i = 1; i < src.length() + 1; i ) { f[0][i] = i; } for (int i = 1; i < dest.length() + 1; i ) { for (int j = 1; j < src.length() + 1; j ) { // 替换的开销 int cost = 0; if (dest.charAt(i - 1) != src.charAt(j - 1)) { cost = 1; } int minCost; if (f[i - 1][j] < f[i][j - 1]) { minCost = f[i - 1][j] + 1; } else { minCost = f[i][j - 1] + 1; } if (minCost > f[i - 1][j - 1] + cost) { minCost = f[i - 1][j - 1] + cost; } f[i][j] = minCost; } } return f[dest.length()][src.length()]; } public static void main(String[] args) { System.out.println(minEditDistance("kindle", "ainelw")); } }

       2.C/C++版本

#include #include char s1[1000],s2[1000]; int min(int a,int b,int c) { int t = a < b ? a : b; return t < c ? t : c; } void editDistance(int len1,int len2) { int** d=new int*[len1+1]; for(int k=0;k<=len1;k++) d[k]=new int[len2+1]; int i,j; for(i = 0;i <= len1;i++) d[i][0] = i; for(j = 0;j <= len2;j++) d[0][j] = j; for(i = 1;i <= len1;i++) for(j = 1;j <= len2;j++) { int cost = s1[i] == s2[j] ? 0 : 1; int deletion = d[i-1][j] + 1; int insertion = d[i][j-1] + 1; int substitution = d[i-1][j-1] + cost; d[i][j] = min(deletion,insertion,substitution); } printf("%d\n",d[len1][len2]); for(int k=0;i<=len1;k++) delete[] d[k]; delete[] d; } int main() { while(scanf("%s %s",s1,s2) != EOF) editDistance(strlen(s1),strlen(s2)); }