Python字符串相似性的几种度量方法

最新推荐文章于 2024-02-05 14:22:14 发布

IT白鸽

最新推荐文章于 2024-02-05 14:22:14 发布

阅读量422

点赞数

文章标签： Python Python字符串 Python3 Python基础 Python开发

本文链接：https://blog.csdn.net/weixin_45523154/article/details/102992365

版权

本文介绍了Python中评估字符串相似性的几种方法，包括编辑距离（Levenshtein距离）、海明距离、Jaccard距离、J-W距离和余弦相似性。编辑距离衡量的是通过插入、删除或替换将一个字符串转换为另一个字符串所需的最小操作数。Python中可通过python-Levenshtein库来计算Levenshtein距离。

摘要由CSDN通过智能技术生成

字符串的相似性比较应用场合很多，像拼写纠错、文本去重、上下文相似性等。

评价字符串相似度最常见的办法就是：把一个字符串通过插入、删除或替换这样的编辑操作，变成另外一个字符串，所需要的最少编辑次数，这种就是编辑距离（edit distance）度量方法，也称为Levenshtein距离。海明距离是编辑距离的一种特殊情况，只计算等长情况下替换操作的编辑次数，只能应用于两个等长字符串间的距离度量。

其他常用的度量方法还有 Jaccard distance、J-W距离（Jaro–Winkler distance）、余弦相似性（cosine similarity）、欧氏距离（Euclidean distance）等。

python-Levenshtein 使用

使用 pip install python-Levenshtein 指令安装 Levenshtein

在学习过程中有什么不懂得可以加我的
python学习交流扣扣qun，784758214
群里有不错的学习视频教程、开发工具与电子书籍。
与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容
# -*- coding: utf-8 -*-

import difflib
# import jieba
import Levenshtein

str1 = "我的骨骼雪白 也长不出青稞"
str2 = "雪的日子 我只想到雪中去si"

# 1\. difflib
seq = difflib.SequenceMatcher(None, str1,str2)
ratio = seq.ratio()
print 'difflib similarity1: ', ratio

# difflib 去掉列表中不需要比较的字符
seq =