php文章相似度计算 不用similar_text()函数

php默认有个函数similar_text()用于计算字符串之间的相似度，该函数也可以计算两个字符串的相似度（以百分比计）。不过这个函数感觉对中文计算很不准确比如：

1	echo similar_text("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");

这两个新闻标题其实都是一样的，如果使用similar_text()相似对结果为：42，即只相似42%，所以这个感觉很不靠谱，今天刚好收集到一段PHP代码也是用于比较两个字符串的相似度，直接贴出代码：

01

<?php

02	class LCS {

03	var $str1;

04	var $str2;

05	var $c = array();

06

/*

07	返回串一和串二的最长公共子序列

08

*/

09	function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {

10	$this->str1 = $str1;

11	$this->str2 = $str2;

12	if ($len1 == 0) $len1 = strlen($str1);

13	if ($len2 == 0) $len2 = strlen($str2);

14	$this->initC($len1, $len2);

15	return $this->printLCS($this->c, $len1 - 1, $len2 - 1);

16

}

17

/*

18

返回两个串的相似度

19

*/

20	function getSimilar($str1, $str2) {

21	$len1 = strlen($str1);

22	$len2 = strlen($str2);

23	$len = strlen($this->getLCS($str1, $str2, $len1, $len2));

24	return $len * 2 / ($len1 + $len2);

25

}

26	function initC($len1, $len2) {

27	for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0;

28	for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0;

29	for ($i = 1; $i < $len1; $i++) {

30	for ($j = 1; $j < $len2; $j++) {

31	if ($this->str1[$i] == $this->str2[$j]) {

32	$this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1;

33	} else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {

34	$this->c[$i][$j] = $this->c[$i - 1][$j];

35

} else {

36	$this->c[$i][$j] = $this->c[$i][$j - 1];

37

}

38

}

39

}

40

}

41	function printLCS($c, $i, $j) {

42	if ($i == 0 || $j == 0) {

43	if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j];

44	else return "";

45

}

46	if ($this->str1[$i] == $this->str2[$j]) {

47	return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];

48	} else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {

49	return $this->printLCS($this->c, $i - 1, $j);

50

} else {

51	return $this->printLCS($this->c, $i, $j - 1);

52

}

53

}

54

}

55

56	$lcs = new LCS();

57	//返回最长公共子序列

58	$lcs->getLCS("hello word","hello china");

59

//返回相似度

60	echo $lcs->getSimilar("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");

//========================以上是转载==============

具体原理如下，没有细致研究

基于文本比较算法——线性空间求最长公共子序列的Nakatsu算法

http://www.cnblogs.com/grenet/archive/2011/03/11/1964417.html

 

使用similar_text() 可以看这里《php计算title标题相似比》