mysql对比字符串相似度_对比俩个字符串的相似度

package com.opslab.util.algorithmImpl;

import com.opslab.util.CharsetUtil;

import com.opslab.util.SysUtil;

import java.io.ByteArrayInputStream;

import java.io.InputStream;

import java.io.UnsupportedEncodingException;

/**

* 对比俩个字符串的相似度

*/

public class StringImpl {

//第一种实现方式

private static String longestCommonSubstring(String strA, String strB) {

char[] chars_strA = strA.toCharArray();

char[] chars_strB = strB.toCharArray();

int m = chars_strA.length;

int n = chars_strB.length;

int[][] matrix = new int[m + 1][n + 1];

for (int i = 1; i <= m; i++) {

for (int j = 1; j <= n; j++) {

if (chars_strA[i - 1] == chars_strB[j - 1])

matrix[i][j] = matrix[i - 1][j - 1] + 1;

else

matrix[i][j] = Math.max(matrix[i][j - 1], matrix[i - 1][j]);

}

}

char[] result = new char[matrix[m][n]];

int currentIndex = result.length - 1;

while (matrix[m][n] != 0) {

if (matrix[n] == matrix[n - 1])

n--;

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MySQL中,可以使用Levenshtein Distance算法来计算字符串相似度。Levenshtein Distance是一种用于测量两个字符串之间的编辑距离的算法,即通过插入、删除和替换操作将一个字符串转换为另一个字符串所需的最小次数。 要在MySQL中计算字符串相似度,可以使用以下查询语句: SELECT LEVENSHTEIN('string1', 'string2') AS similarity; 其中,'string1'和'string2'是要比较的两个字符串。LEVENSHTEIN函数将返回两个字符串之间的编辑距离,即相似度。 例如,如果要比较字符串"test"和"tset"的相似度,可以使用以下查询语句: SELECT LEVENSHTEIN('test', 'tset') AS similarity; 这将返回编辑距离为2,表示这两个字符串相似度较高。 请注意,Levenshtein Distance算法在计算字符串相似度时只考虑了插入、删除和替换操作,而没有考虑其他操作,如交换操作。因此,它可能无法准确地反映字符串相似度。如果需要更精确的相似度计算,可以考虑使用其他算法,如Jaro-Winkler Distance或Cosine Similarity。 #### 引用[.reference_title] - *1* *3* [LD算法获取字符串相似度](https://blog.csdn.net/weixin_36193418/article/details/113949305)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [对比俩个字符串相似度](https://blog.csdn.net/weixin_35881820/article/details/113607236)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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