分类目录

链接

2014年四月
« 3月   6月 »
 123456
78910111213
14151617181920
21222324252627
282930  

近期文章

热门标签

博主推荐

现在位置:    首页 > .NET > 正文
C#字符串相似度算法
.NET 暂无评论 阅读(1,456)

 

编辑距离,又称Levenshtein距离(也叫做Edit Distance),是指两个字串之间,由一个转成另一个所需的最少编辑操作次数,如果它们的距离越大,说明它们越是不同。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。

例如将kitten一字转成sitting:

sitten (k→s)

sittin (e→i)

sitting (→g)

俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。因此也叫Levenshtein Distance。

例如

  • 如果str1=”ivan”,str2=”ivan”,那么经过计算后等于 0。没有经过转换。相似度=1-0/Math.Max(str1.length,str2.length)=1
  • 如果str1=”ivan1″,str2=”ivan2″,那么经过计算后等于1。str1的”1″转换”2″,转换了一个字符,所以距离是1,相似度=1-1/Math.Max(str1.length,str2.length)=0.8

应用

DNA分析

拼字检查

语音辨识

抄袭侦测

算法过程

  1. str1或str2的长度为0返回另一个字符串的长度。 if(str1.length==0) return str2.length; if(str2.length==0) return str1.length;
  2. 初始化(n+1)*(m+1)的矩阵d,并让第一行和列的值从0开始增长。
  3. 扫描两字符串(n*m级的),如果:str1[i] == str2[j],用temp记录它,为0。否则temp记为1。然后在矩阵d[i,j]赋于d[i-1,j]+1 、d[i,j-1]+1、d[i-1,j-1]+temp三者的最小值。(以下tempt表示)
  4. 扫描完后,返回矩阵的最后一个值d[n][m]即是它们的距离。

5.  最后计算相似度公式:1-它们的距离/两个字符串长度的最大值。

为了直观表现,我将两个字符串分别写到行和列中,实际计算中不需要。我们用字符串“ivan1”和“ivan2”举例来看看矩阵中值的状况:

1、第一行和第一列的值从0开始增长

i v a n 1
0 1 2 3 4 5
i 1
v 2
a 3
n 4
2 5

2、i列值的产生 Matrix[i – 1, j] + 1 ; Matrix[i, j – 1] + 1   ;    Matrix[i – 1, j – 1] + t

 

i v a n 1
0+t=0 1+1=2 2 3 4 5
i 1+1=2 取三者最小值=0
v 2 依次类推:1
a 3 2
n 4 3
2 5 4

 

 

 

3、V列值的产生

 

i v a n 1
0 1 2
i 1 0 1
v 2 1 0
a 3 2 1
n 4 3 2
2 5 4 3

 

 

 

依次类推直到矩阵全部生成

 

i v a n 1
0 1 2 3 4 5
i 1 0 1 2 3 4
v 2 1 0 1 2 3
a 3 2 1 0 1 2
n 4 3 2 1 0 1
2 5 4 3 2 1 1

 

 

 

最后得到它们的距离=1

 

相似度:1-1/Math.Max(“ivan1”.length,“ivan2”.length) =0.8

 

算法用C#实现

复制代码
    public class LevenshteinDistance
    {
        /// <summary>
        /// 取最小的一位数
        /// </summary>
        /// <param name="first"></param>
        /// <param name="second"></param>
        /// <param name="third"></param>
        /// <returns></returns>
        private int LowerOfThree(int first, int second, int third)
        {
            int min = Math.Min(first, second);
            return Math.Min(min, third);
        }

        private int Levenshtein_Distance(string str1, string str2)
        {
            int[,] Matrix;
            int n = str1.Length;
            int m = str2.Length;

            int temp = 0;
            char ch1;
            char ch2;
            int i = 0;
            int j = 0;
            if (n == 0)
            {
                return m;
            }
            if (m == 0)
            {

                return n;
            }
            Matrix = new int[n + 1, m + 1];

            for (i = 0; i <= n; i++)
            {
                //初始化第一列
                Matrix[i, 0] = i;
            }

            for (j = 0; j <= m; j++)
            {
                //初始化第一行
                Matrix[0, j] = j;
            }

            for (i = 1; i <= n; i++)
            {
                ch1 = str1[i - 1];
                for (j = 1; j <= m; j++)
                {
                    ch2 = str2[j - 1];
                    if (ch1.Equals(ch2))
                    {
                        temp = 0;
                    }
                    else
                    {
                        temp = 1;
                    }
                    Matrix[i, j] = LowerOfThree(Matrix[i - 1, j] + 1, Matrix[i, j - 1] + 1, Matrix[i - 1, j - 1] + temp);
                }
            }
        for (i = 0; i <= n; i++)
            {
                for (j = 0; j <= m; j++)
                {
                    Console.Write(" {0} ", Matrix[i, j]);
                }
                Console.WriteLine("");
            }

            return Matrix[n, m];
        }

        /// <summary>
        /// 计算字符串相似度
        /// </summary>
        /// <param name="str1"></param>
        /// <param name="str2"></param>
        /// <returns></returns>
        public decimal LevenshteinDistancePercent(string str1, string str2)
        {
            //int maxLenth = str1.Length > str2.Length ? str1.Length : str2.Length;
            int val = Levenshtein_Distance(str1, str2);
            return 1 - (decimal)val / Math.Max(str1.Length, str2.Length);
        }
    }
复制代码

调用方式:

复制代码

static void Main(string[] args)
        {
            string str1 = "ivan1";
            string str2 = "ivan2";
            Console.WriteLine("字符串1 {0}", str1);

            Console.WriteLine("字符串2 {0}", str2);

            Console.WriteLine("相似度 {0} %", new LevenshteinDistance().LevenshteinDistancePercent(str1, str2) * 100);          
            Console.ReadLine();
        }
复制代码

结果:

 

附ASP源码:

复制代码
class LevenshteinDistance
    FUNCTION LowerOfThree(one ,two, three)
        min=clng(one)
        if min>clng(two) then
            min=clng(two)
        end if
        if min>clng(three) then
            min=clng(three)
        end if
        LowerOfThree=min
    END FUNCTION

    function Max(one,two)
        max=clng(one)
        if max<clng(two) then
            max=clng(two)
        end if
        Max=max
    end function

    function Levenshtein_Distance(str1,str2)
        dim Matrix
        str1Array=StringToArray(str1)
        str2Array=StringToArray(str2)
        n=len(str1)
        m=len(str2)

        temp=0
        i=0
        j=0
        dim ch1,ch2

        if n=0 then
            Levenshtein_Distance=m
        elseif m=0 then
            Levenshtein_Distance=n
        else
            redim Matrix(n+1,m+1)
            for i=0 to n
                Matrix(i,0)=i
            next

            for j=0 to m
                Matrix(0,j)=j
            next

            for i=1 to n
                ch1=str1Array(i-1)
                for j=1 to m
                    ch2=str2Array(j-1)
                    if ch1=ch2 then
                        temp=0
                    else
                        temp=1
                    end if
                    Matrix(i,j)=LowerOfThree(Matrix(i-1,j)+1,Matrix(i,j-1)+1,Matrix(i-1,j-1)+temp)
                next
            next

            '最短距离矩阵
              'response.Write("<table width=400><tr><td>&nbsp;</td><td>#</td>")
            'for j=1 to m
            'response.Write("<td>"&str2Array(j-1)&"</td>")
            'next
            'response.Write("</tr>")

            'for i=0 to n
            '    if i=0 then
            '    response.Write("<tr><td>#</td>")
            '    else
            '    response.Write("<tr><td>"&str1Array(i-1)&"</td>")
            '    end if

            '    for j=0 to m
            '        response.Write("<td>"&Matrix(i,j)&"</td>")
            '    next
            '    response.Write("</tr>")
            'next
            'response.Write("</table>")
            Levenshtein_Distance=Matrix(n,m)
        end if
    end function

    function LevenshteinDistancePercent(str1,str2)
        val=Levenshtein_Distance(str1,str2)
        LevenshteinDistancePercent=1-val/Max(len(str1),len(str2))
    end function

    function StringToArray(str)
        dim strArray
        redim strArray(len(str)-1)
        for i=1 to len(str)
            strArray(i-1)=mid(str,i,1)
        next
        StringToArray=strArray
    end function
end class
复制代码

调用方式:

set a=new LevenshteinDistance
c=a.LevenshteinDistancePercent("ivan1","ivan2")
response.Write("字符串相似度:"&round(c,2)*100&"%")

结果:

字符串相似度:80%

本文版权归数据库之家所有,转载引用请完整注明以下信息:
本文作者:Bruce
本文地址:C#字符串相似度算法 | 数据库之家