计算两字符的相似度

Posted 2021-01-08 xyqiu90-365

两字符的相似度：即字符A到B的最小编辑次数。（AKA）

 

（1）python-Levenshtein

汉明距离，要求：两字符长度一致。即len(str1)==len(str2)

hamming(str1, str2)

 

（2）编辑距离（插入，修改，删除）

distance(str1, str2)

 

（3）莱文斯坦比

ratio(str1, str2)

原理：r = (sum - ldist) / sum，其中sum = str1 + str2，ldist为类编辑距离（插入/删除，+1；修改，+2）

用途：拼写纠错、文本去重、上下文相似度

 

（4）其他距离

Jaccard distance、J-W距离、余弦相似度、欧式距离等

J-W距离：dj = 1/3( m/|s1| + m/|s2| + (m-t)/m )   m是匹配的字符数，t是换位的数目。