字符串的相似性比較應(yīng)用場合很多,像拼寫糾錯、文本去重、上下文相似性等。
評價字符串相似度最常見的辦法就是:把一個字符串通過插入、刪除或替換這樣的編輯操作,變成另外一個字符串,所需要的最少編輯次數(shù),這種就是編輯距離(edit distance)度量方法,也稱為Levenshtein距離。海明距離是編輯距離的一種特殊情況,只計算等長情況下替換操作的編輯次數(shù),只能應(yīng)用于兩個等長字符串間的距離度量。
其他常用的度量方法還有 Jaccard distance、J-W距離(Jaro–Winkler distance)、余弦相似性(cosine similarity)、歐氏距離(Euclidean distance)等。
python-Levenshtein 使用
使用 pip install python-Levenshtein 指令安裝 Levenshtein
1. difflib
2. hamming距離,str1和str2長度必須一致,描述兩個等長字串之間對應(yīng)位置上不同字符的個數(shù)
3. 編輯距離,描述由一個字串轉(zhuǎn)化成另一個字串最少的操作次數(shù),在其中的操作包括 插入、刪除、替換
4.計算萊文斯坦比
5.計算jaro距離
6. Jaro–Winkler距離
輸出:
-
字符串
+關(guān)注
關(guān)注
1文章
589瀏覽量
21149 -
python
+關(guān)注
關(guān)注
56文章
4825瀏覽量
86266
發(fā)布評論請先 登錄
評論