问题描述:
对于序列S和T, 它们之间的距离定义为: 对二者其一进行几次以下操作: 1, 删除一个字符; 2, 插入一个字符; 3, 改变一个字符. 每进行一次操作, 计数增加1. 将S和T变为相等序列的最小计数就是两者的编辑距离(edit distance)或者叫相似度. 请给出相应算法及其实现.
分析:
假设序列S和T的长度分别为m和n, 两者的编辑距离表示为edit[m][n]. 则对序列进行操作时存在以下几种情况:
a, 当S和T的末尾字符相等时, 对末尾字符不需要进行上述定义操作中(亦即"编辑")的任何一个, 也就是不需要增加计数. 则满足条件: edit[m][n] = edit[m - 1][n - 1].
b, 当S和T的末尾字符不相等时, 则需要对两者之一的末尾进行编辑, 相应的计数会增加1.
b1, 对S或T的末尾进行修改, 以使之与T或S相等, 则此时edit[m][n] = edit[m - 1][n - 1] + 1;
b2, 删除S末尾的元素, 使S与T相等, 则此时edit[m][n] = edit[m - 1][n] + 1;
b3, 删除T末尾的元素, 使T与S相等, 则此时edit[m][n] = edit[m][n - 1] + 1;
b4, 在S的末尾添加T的尾元素, 使S和T相等, 则此时S的长度变为m+1, 但是此时S和T的末尾元素已经相等, 只需要比较S的前m个元素与T的前n-1个元素, 所以满足edit[m][n] = edit[m][n - 1] + 1;
b5, 在T的末尾添加S的尾元素, 使T和S相等, 此时的情况跟b4相同, 满足edit[m][n] = edit[m - 1][n] + 1;
c, 比较特殊的情况是, 当S为空时, edit[0][n] = n; 而当T为空时, edit[m][0] = m; 这个很好理解, 例如对于序列""和"abc", 则两者的最少操作为3, 即序列""进行3次插入操作, 或者序列"abc"进行3次删除操作.
所以, 以上我们不难推出编辑距离的动态规划方程为:
, 其中
所以, 字符串编辑距离的动态规划算法的递归实现可以用如下的Java代码表示:
1 public static inteditDistance(String a, String b) {2 if (a == null || b == null) {3 return -1;4 }5 return editDistance(a, a.length() - 1, b, b.length() - 1);6 }7
8 public static int editDistance(String a, int m, String b, intn) {9 if (m < 0 || n < 0) {10 return 1;11 } else if (a.charAt(m) ==b.charAt(n)) {12 return editDistance(a, m - 1, b, n - 1);13 } else{14 return Math.min(Math.min(editDistance(a, m - 1, b, n) + 1, editDistance(a, m, b, n - 1) + 1), editDistance(a, m - 1, b, n - 1) + 1);15 }16 }
UPDATE:
同时, 由编辑距离的动态规划方程我们可以看出, edit[m][n]可以由edit[m - 1][n - 1], edit[m - 1][n], edit[m][n - 1]得出, 而如果edit是一个二维数组的话, edit[m][n]可以由它的上, 左, 左上三个位置的元素通过条件判断得出. 亦即我们可以通过遍历二维数组, 然后通过回溯来计算当前值.
例如对于字符串S = "sailn"和T = "failing", 对二维数组进行初始化为:
m\n
f
a
i
l
i
n
g
0
1
2
3
4
5
6
7
s
1
1
a
2
i
3
l
4
n
5
因为S[0] = s, T[0] = f, 则S[0] != T[0], 则对应于上述二维矩阵, edit[1][1] = min(edit[0][0], edit[0][1], edit[1][0]) + 1即edit[1][1] = min(0, 1, 1) + 1即edit[1][1] = 0 + 1 = 1.
m\n
f
a
i
l
i
n
g
0
1
2
3
4
5
6
7
s
1
1
2
3
4
5
6
7
a
2
2
1
i
3
l
4
n
5
而对于S[1] = a, T[1] = a, S[1] = T[1], 则对应于二维矩阵, edit[2][2] = edit[1][1], 所以edit[2][2] = 1. 所以按照这种规则, 将上述二维矩阵填满则如下:
m\n
f
a
i
l
i
n
g
0
1
2
3
4
5
6
7
s
1
1
2
3
4
5
6
7
a
2
2
1
2
3
4
5
6
i
3
3
2
1
2
3
4
5
l
4
4
3
2
1
2
3
4
n
5
5
4
3
2
2
2
3
所以, 两者的编辑距离为edit[m][n] = edit[5][7] = 3.
所以, 按照上述思路即动态规划的回溯解法的Java版本可以如下进行:
1 public static inteditDistance(String a, String b) {2 if (a == null || b == null) {3 return -1;4 }5 int[][] matrix = new int[a.length() + 1][b.length() + 1];6 for (int i = 0; i < a.length() + 1; i++) {7 for (int j = 0; j < b.length() + 1; j++) {8 if (i == 0) {9 matrix[i][j] =j;10 } else if (j == 0) {11 matrix[i][j] =i;12 } else{13 if (a.charAt(i - 1) == b.charAt(j - 1)) {14 matrix[i][j] = matrix[i - 1][j - 1];15 } else{16 matrix[i][j] = 1 + Math.min(Math.min(matrix[i - 1][j], matrix[i][j - 1]), matrix[i - 1][j - 1]);17 }18 }19 }20 }21 returnmatrix[a.length()][b.length()];22 }