计算单词之间的最小编辑距离

鹤入云霄

已于 2024-01-02 12:13:26 修改

阅读量746

点赞数 1

分类专栏：自然语言处理文章标签：动态规划

于 2023-10-22 10:30:28 首次发布

本文链接：https://blog.csdn.net/y2770169045/article/details/133970054

版权

自然语言处理专栏收录该内容

4 篇文章

订阅专栏

任务描述

本关任务：计算两个单词之间的最小编辑距离。

相关知识

为了完成本关任务，你需要掌握：1.编辑距离，2.动态规划。

编辑距离

对于两个字符串S1，S2，经过d次编辑可以使得其中一个字符串变为另外一个字符串，那么我们称字符串S1和S2之间的编辑距离为d。可用的编辑操作有以下三种。 1.替换。将某一个字母换为另外一个字母。如happa -> happy，将最后一个字母“a”替换为”y”。 2.插入。在字符串中插入一个字母。如hapy -> happy，在“p”和“y”之间插入字母“p”。 3.删除。删除字符串中的一个字母。如habppy -> happy，删除“a”和“p”之间的字母”b”。

如何求出两个字符串之间的编辑距离

对于字符串S1="a1a2a3…am "，S2="b1b2b3…bn"，计算其编辑距离。假设字符串S11="a1a2a3…a(i-1) "和 S12="b1b2b3…b(j-1) "之间的编辑距离为k1，S12="a1a2a3…ai "和S22="b1b2b3…b(j-1) "之间的编辑距离为k2，S13="a1a2a3…a(i-1) "和S23="b1b2b3…bj "之间的编辑距离为k3。则字符串"a1a2a3…ai"和"b1b2b3…bj"之间的编辑距离可以利用下述方法计算。

若ai= bj，则字符串"a1a2a3…ai"和"b1b2b3…bj "之间的编辑距离等与S11="a1a2a3…a(i-1) "和 S12="b1b2b3…b(j-1) "之间的编辑距离，即为k1。
若ai≠ bj，则有三种方式可以得到字符串"a1a2a3…ai "和"b1b2b3…bj "。

①首先将ai和bj变为相等的字符，然后再根据(1)计算编辑距离。此时字符串"a1a2a3…ai "和"b1b2b3…bj"之间的编辑距离为1+k1。 ②将字符串"b1b2b3…bj "的最后一个字母删除,然后再计算在S12="a1a2a3…ai"和S22="b1b2 b3…b(j-1) "之间的编辑距离。此时字符串"a1a2a3…ai"和"b1b2b3…bj "之间的编辑距离为1+k2 ③将字符串"a1a2a3…ai"的最后一个字母删除,然后再计算在S13="a1a2a3…a(i-1) "和S23="b1 b2b3…bj "之间的编辑距离。此时字符串"a1a2a_3…ai"和"b1b2b3…bj "之间的编辑距离为1+k3 因此当ai≠ bj时，字符串"a1a2a3…ai"和"b1b2b3…bj"之间的剪辑距离为min(k1,k2,k3 )+1.

编程要求

根据提示，在右侧编辑器的Begin和End之间补充代码，计算两个单词之间的编辑距离。

测试说明

平台会对你编写的代码进行测试：

测试输入：horse，ros；预期输出： 3

开始你的任务吧，祝你成功！

代码展示

def minDistance(word1, word2):
    n = len(word1)
    m = len(word2)

    # 有一个字符串为空串
    if n * m == 0:
        return n + m
    
    # DP 数组
    D = [ [0] * (m + 1+1) for _ in range(n + 1)]

    # 边界状态初始化
    for i in range(n + 1):
        D[i][0] = i
    for j in range(m + 1):
        D[0][j] = j

    ######## Begin ########
    # 状态转移过程 
    for i in range(1, n+1):
        for j in range(1, m+1):
            # 如果字符相同，不计入编辑操作，继承之前的值
            if word1[i-1] == word2[j-1]:
                D[i][j] = D[i-1][j-1]
            # 如果字符不同，考虑替换、插入、删除三种操作，取其中最小的一个作为当前状态的值
            else:
                D[i][j] = min(D[i][j-1], D[i-1][j], D[i-1][j-1]) + 1

    ######## End ########
    return D[n][m]  # 取最后一个值

s1 = input()
s2 = input()

ans = minDistance(s1, s2)
print(ans)

这个算法的时间复杂度和空间复杂度都是 O(nm)，其中 n 和 m 分别是两个输入字符串的长度。