比较字符串相似度

Question

比较字符串相似度

68

什么是比较两个字符串相似程度的最佳方法？

示例：

My String
My String With Extra Words

或者

My String
My Slightly Different String

我希望确定每对字符串中的第一个和第二个字符串有多相似。我想对比它们，并为这个比较打分。如果这些字符串足够相似，我将认为它们是匹配的一对。

在C#中有好的方法吗？

- Brandon

3

Levenshtein编辑距离、Soundex和汉明距离都以不同的方式实现这一点。在寻找实现方法之前，您需要更好地定义您的度量标准。 - bmm6o

6

如果有其他人偶然看到这个问题，请考虑访问https://github.com/DanHarltey/Fastenshtein。 - Mugen

请问是否有为C编写的模糊搜索或字符串相似度函数库？相关信息请参考：https://dev59.com/1HVD5IYBdhLWcg3wHnsX - StayOnTarget

3个回答

11

如果有人想知道@FrankSchwieterman发布的内容在C#中的等效写法：

public static int GetDamerauLevenshteinDistance(string s, string t)
{
    if (string.IsNullOrEmpty(s))
    {
        throw new ArgumentNullException(s, "String Cannot Be Null Or Empty");
    }

    if (string.IsNullOrEmpty(t))
    {
        throw new ArgumentNullException(t, "String Cannot Be Null Or Empty");
    }

    int n = s.Length; // length of s
    int m = t.Length; // length of t

    if (n == 0)
    {
        return m;
    }

    if (m == 0)
    {
        return n;
    }

    int[] p = new int[n + 1]; //'previous' cost array, horizontally
    int[] d = new int[n + 1]; // cost array, horizontally

    // indexes into strings s and t
    int i; // iterates through s
    int j; // iterates through t

    for (i = 0; i <= n; i++)
    {
        p[i] = i;
    }

    for (j = 1; j <= m; j++)
    {
        char tJ = t[j - 1]; // jth character of t
        d[0] = j;

        for (i = 1; i <= n; i++)
        {
            int cost = s[i - 1] == tJ ? 0 : 1; // cost
            // minimum of cell to the left+1, to the top+1, diagonally left and up +cost                
            d[i] = Math.Min(Math.Min(d[i - 1] + 1, p[i] + 1), p[i - 1] + cost);
        }

        // copy current distance counts to 'previous row' distance counts
        int[] dPlaceholder = p; //placeholder to assist in swapping p and d
        p = d;
        d = dPlaceholder;
    }

    // our last action in the above loop was to switch d and p, so p now 
    // actually has the most recent cost counts
    return p[n];
}

- ilike2breakthngs

我认为s或t可能为空或为空字符串，因为如果两者相同，则差异为100％或无差异。我还会在一开始进行相等比较以查看它们是否相同。 - Walter Verhoeven

2

我正在这样比较两个句子。

string[] vs = string1.Split(new char[] { ' ', '-', '/', '(', ')' },StringSplitOptions.RemoveEmptyEntries);
string[] vs1 = string2.Split(new char[] { ' ', '-', '/', '(', ')' }, StringSplitOptions.RemoveEmptyEntries);


vs.Intersect(vs1, StringComparer.OrdinalIgnoreCase).Count();

Intersect功能会提供一组相同的词汇列表，通过统计次数，如果超过1次，说明这两个句子包含类似的单词。

- yhackup

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marty Neal · Accepted Answer

static class LevenshteinDistance
{
    public static int Compute(string s, string t)
    {
        if (string.IsNullOrEmpty(s))
        {
            if (string.IsNullOrEmpty(t))
                return 0;
            return t.Length;
        }

        if (string.IsNullOrEmpty(t))
        {
            return s.Length;
        }

        int n = s.Length;
        int m = t.Length;
        int[,] d = new int[n + 1, m + 1];

        // initialize the top and right of the table to 0, 1, 2, ...
        for (int i = 0; i <= n; d[i, 0] = i++);
        for (int j = 1; j <= m; d[0, j] = j++);

        for (int i = 1; i <= n; i++)
        {
            for (int j = 1; j <= m; j++)
            {
                int cost = (t[j - 1] == s[i - 1]) ? 0 : 1;
                int min1 = d[i - 1, j] + 1;
                int min2 = d[i, j - 1] + 1;
                int min3 = d[i - 1, j - 1] + cost;
                d[i, j] = Math.Min(Math.Min(min1, min2), min3);
            }
        }
        return d[n, m];
    }
}