编程语言
首页 > 编程语言> > Java实现莱文斯坦(相似度)算法,用于试题相似度,字符串相似度等场景

Java实现莱文斯坦(相似度)算法,用于试题相似度,字符串相似度等场景

作者:互联网

一、莱文斯坦(相似度)算法

         使用Levenshtein(莱文斯坦)编辑距离来实现相似度算法 所谓Levenshtein距离,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,操作包括一切你使用的手段将一个字符串转换成另一个字符串,比如插入一个字符、删除一个字符..等等;操作次数越少,说明两个字符串距离Levenshtein Distance越小,表示两个字符串越相似。 

二、具体实现

/**
 * 莱文斯坦(相似度)算法
 */
public class LevenshteinAlgorithm {
    public static void main(String[] args) {
        //要比较的两个字符串
        String[] str1 = {"今天星期四","12345667890"};
        String[] str2 = {"今天是星期五","1234567890"};
        for(int i=0;i<str1.length;i++){
            levenshtein(str1[i],str2[i]);

        }
    }

    /**
     *   DNA分析   拼字检查   语音辨识   抄袭侦测
     *
     */
    public static void levenshtein(String str1,String str2) {
        //计算两个字符串的长度。
        int len1 = str1.length();
        int len2 = str2.length();
        //建立上面说的数组,比字符长度大一个空间
        int[][] dif = new int[len1 + 1][len2 + 1];
        //赋初值,步骤B。
        for (int a = 0; a <= len1; a++) {
            dif[a][0] = a;
        }
        for (int a = 0; a <= len2; a++) {
            dif[0][a] = a;
        }
        //计算两个字符是否一样,计算左上的值
        int temp;
        for (int i = 1; i <= len1; i++) {
            for (int j = 1; j <= len2; j++) {
                if (str1.charAt(i - 1) == str2.charAt(j - 1)) {
                    temp = 0;
                } else {
                    temp = 1;
                }
                //取三个值中最小的
                dif[i][j] = min(dif[i - 1][j - 1] + temp, dif[i][j - 1] + 1,
                        dif[i - 1][j] + 1);
            }
        }
        System.out.println("字符串\""+str1+"\"与\""+str2+"\"的比较");
        //取数组右下角的值,同样不同位置代表不同字符串的比较
        System.out.println("差异步骤:"+dif[len1][len2]);
        //计算相似度
        float similarity =1 - (float) dif[len1][len2] / Math.max(str1.length(), str2.length());
        System.out.println("相似度:"+getPercentValue(similarity));
    }
    public static String getPercentValue( float similarity){
        NumberFormat fmt = NumberFormat.getPercentInstance();
        fmt.setMaximumFractionDigits(2);//最多两位百分小数,如25.23%
        return fmt.format(similarity);
    }
    //得到最小值
    private static int min(int... is) {
        int min = Integer.MAX_VALUE;
        for (int i : is) {
            if (min > i) {
                min = i;
            }
        }
        return min;
    }
} 

 三、运行结果

字符串"今天星期四"与"今天是星期五"的比较
差异步骤:2
相似度:66.67%
字符串"12345667890"与"1234567890"的比较
差异步骤:1
相似度:90.91%

 

秋9 发布了196 篇原创文章 · 获赞 103 · 访问量 22万+ 私信 关注

标签:Java,相似,斯坦,Levenshtein,莱文,字符串,String
来源: https://blog.csdn.net/jlq_diligence/article/details/103955990