zoukankan      html  css  js  c++  java
  • python-Levenshtein几个计算字串相似度的函数解析

    linux环境下,没有首先安装python_Levenshtein,用法如下:

    重点介绍几个该包中的几个计算字串相似度的几个函数实现。

    1. Levenshtein.hamming(str1, str2)

    计算汉明距离。要求str1和str2必须长度一致。是描述两个等长字串之间对应位置上不同字符的个数。如

    2. Levenshtein.distance(str1, str2)

    计算编辑距离(也成Levenshtein距离)。是描述由一个字串转化成另一个字串最少的操作次数,在其中的操作包括插入删除替换。如

    算法实现 参考动态规划整理:http://www.cnblogs.com/kaituorensheng/archive/2013/05/15/3080990.html

    3. Levenshtein.ratio(str1, str2)

    计算莱文斯坦比。计算公式  r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的长度总和,ldist是类编辑距离

    注意:这里的类编辑距离不是2中所说的编辑距离,2中三种操作中每个操作+1,而在此处,删除、插入依然+1,但是替换+2

    这样设计的目的:ratio('a', 'c'),sum=2,按2中计算为(2-1)/2 = 0.5,’a','c'没有重合,显然不合算,但是替换操作+2,就可以解决这个问题。

    4. Levenshtein.jaro(s1, s2)

    计算jaro距离,

    其中的m为s1, s2的匹配长度,当某位置的认为匹配 当该位置字符相同,或者在不超过

             t是调换次数的一半

    5. Levenshtein.jaro_winkler(s1, s2)

    计算Jaro–Winkler距离

    Levenshtein全部函数链接

    Jaro–Winkler distance链接

  • 相关阅读:
    C#异步编程
    3.TinkPHP中的模型
    Socket网络编程
    日志查看登录用户
    ssh相关的设置
    爬虫学习笔记
    python升级到3.*版本
    Redis未授权访问攻击过程与防范
    Linux重置MySQL密码
    linux下WordPress安装
  • 原文地址:https://www.cnblogs.com/hester/p/10457846.html
Copyright © 2011-2022 走看看