水母与PyJaroWinkler的比较

Question

我正在尝试使用Jaro-Winkler相似度距离来判断两个字符串是否相似。我尝试使用这些库来比较单词carol和elephant。结果不相似：

import jellyfish

jellyfish.jaro_winkler('Carol','elephant') 

返回值为0.4416666，而

from pyjarowinkler import distance

distance.get_jaro_distance('Carol','elephant')

返回 0.0 对我来说更有意义。

这两个库之间有bug吗？

- turtle_in_mind

---

实现似乎不兼容。jellyfish.jaro_winkler('test', 'rest')和distance.get_jaro_distance('test', 'rest')产生不同的输出。我会找一些第三方库来确定哪种实现是正确的。 - Blender

刚才在这里发布了一条评论，以免有人只看到上面的评论。请看下面的回答。Jellyfish是正确的。我链接了关于Jaro Winkler距离的原始论文。 - Bierbarbar

Answer 1

Jellyfish实现是正确的。

Carol和elephant没有匹配的前缀。因此，在这种情况下，Jaro-Winkler距离等于Jaro距离。我手动计算了Jaro距离，并发现Jellyfish的实现是正确的。有一个在线计算器，但在线计算器也是错误的。我还发现了一些其他的实现，比如python-Levenstein包中的实现，它也实现了Jaro-Winkler距离，这证实了我的计算结果。在npm上也有一个实现。如果你想自己计算分数，可以在这里找到该论文here

- Bierbarbar

Answer 2

或许值得注意的是，R语言中有两种不同的实现似乎与jellyfish版本相匹配。

library(stringdist)
> 1 - stringdist("Elephant", "Carol", method = 'jw')
[1] 0.4416667

library(RecordLinkage)
> jarowinkler('Carol','elephant')
[1] 0.4416667

- AidanGawronski