自定义字符串匹配度函数 解决字符串相似

因为日志项目名称不同格式（如.xlsx .csv .txt)匹配需要，最近看到一篇比较老的博客

https://www.cnblogs.com/Demcia/p/5453906.html

据此 给出了一个很不错的匹配字符串的思路

// str1= "算法证明" , str2= "个人算法证明复印件"
//这里手动分词 ，可以考虑用第三方库 或者自定义分词方法
    ArrayList<String> strs1 = new ArrayList<>();
        strs1.add("身份");
        strs1.add("证明");
        ArrayList<String> strs2 = new ArrayList<>();
        strs2.add("个人");
        strs2.add("身份");
        strs2.add("证明");
        strs2.add("复印件");

T1 并 T2 ，并附加分数

*
定义如下函数定义T1和T2的相似度 ，可以感知如果交集大、相似的成分多，则最后字符串匹配度高

  while (it.hasNext()) {
            double[] c = T.get(it.next());
            Ssum += c[0] * c[1];
            s1 += c[0] * c[0];
            s2 += c[1] * c[1];
        }
        //自定义的字符串匹配度
        return Ssum / Math.sqrt(s1 * s2);

//// 相似度： 0.8320502943378436

完整代码

import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Stack;
public class Test1 {
    public static double YUZHI = 0.2;

    public static double getSimilarity(ArrayList<String> T1, ArrayList<String> T2) {

        int size = 0, size2 = 0;

        Map<String, double[]> T = new HashMap<String, double[]>();

        //在T1 不在T2的 分数标记为 [1,0.2]
        String index = null;
        for (int i = 0; i < T1.size(); i++) {
            index = T1.get(i);


            double[] c = new double[2];

            c[0] = 1;    //T1的语义分数Ci
            c[1] = YUZHI;//T2的语义分数Ci
            T.put(index, c);


        }
        //遍历T2
        for (int i = 0; i < T2.size(); i++) {
            index = T2.get(i);

            double[] c = T.get(index);
            if (c != null) {
                c[1] = 1; //T2中也存在，T2的语义分数=1
            } else {
                c = new double[2];   //说明是T2独有
                c[0] = YUZHI; //T1的语义分数Ci
                c[1] = 1; //T2的语义分数Ci
                T.put(index, c);
            }

        }

        //开始计算，百分比
        Iterator<String> it = T.keySet().iterator();
        double s1 = 0, s2 = 0, Ssum = 0;  //S1、S2
        while (it.hasNext()) {
            double[] c = T.get(it.next());
            Ssum += c[0] * c[1];
            s1 += c[0] * c[0];
            s2 += c[1] * c[1];
        }
        //百分比
        return Ssum / Math.sqrt(s1 * s2);
        // } else {
        //     throw new Exception("传入参数有问题！");
        // }
    }

   public static void main(String[] args) {
        //dd
        ArrayList<String> strs1 = new ArrayList<>();
        strs1.add("身份");
        strs1.add("证明");
        ArrayList<String> strs2 = new ArrayList<>();
        strs2.add("个人");
        strs2.add("身份");
        strs2.add("证明");
        strs2.add("复印件");


        //根据分词返回相似度
        double same = 0;
        same = getSimilarity(strs1, strs2);

        // 相似度： 0.8320502943378436
        System.out.println("相似度：" + same);
        //end dd
}