Java 比较两个字符串的相似度算法（Levenshtein Distance）

转载自： https://blog.csdn.net/JavaReact/article/details/82144732

 

算法简介：

Levenshtein Distance，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。

许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。

编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。

1.  
   /**
2.  
   * 比较两个字符串的相识度
3.  
   * 核心算法：用一个二维数组记录每个字符串是否相同，如果相同记为0，不相同记为1，每行每列相同个数累加
4.  
   * 则数组最后一个数为不相同的总数，从而判断这两个字符的相识度
5.  
   *
6.  
   * @param str
7.  
   * @param target
8.  
   * @return
9.  
   */
10.  
    private static int compare(String str, String target) {
11.  
    int d[][]; // 矩阵
12.  
    int n = str.length();
13.  
    int m = target.length();
14.  
    int i; // 遍历str的
15.  
    int j; // 遍历target的
16.  
    char ch1; // str的
17.  
    char ch2; // target的
18.  
    int temp; // 记录相同字符,在某个矩阵位置值的增量,不是0就是1
19.  
    if (n == 0) {
20.  
    return m;
21.  
    }
22.  
    if (m == 0) {
23.  
    return n;
24.  
    }
25.  
    d = new int[n + 1][m + 1];
26.  
    // 初始化第一列
27.  
    for (i = 0; i <= n; i++) {
28.  
    d[i][0] = i;
29.  
    }
30.  
    // 初始化第一行
31.  
    for (j = 0; j <= m; j++) {
32.  
    d[0][j] = j;
33.  
    }
34.  
    for (i = 1; i <= n; i++) {
35.  
    // 遍历str
36.  
    ch1 = str.charAt(i - 1);
37.  
    // 去匹配target
38.  
    for (j = 1; j <= m; j++) {
39.  
    ch2 = target.charAt(j - 1);
40.  
    if (ch1 == ch2 || ch1 == ch2 + 32 || ch1 + 32 == ch2) {
41.  
    temp = 0;
42.  
    } else {
43.  
    temp = 1;
44.  
    }
45.  
    // 左边+1,上边+1, 左上角+temp取最小
46.  
    d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
47.  
    }
48.  
    }
49.  
    return d[n][m];
50.  
    }
51.  
     
52.  
     
53.  
    /**
54.  
    * 获取最小的值
55.  
    */
56.  
    private static int min(int one, int two, int three) {
57.  
    return (one = one < two ? one : two) < three ? one : three;
58.  
    }
59.  
     
60.  
    /**
61.  
    * 获取两字符串的相似度
62.  
    */
63.  
    public static float getSimilarityRatio(String str, String target) {
64.  
    int max = Math.max(str.length(), target.length());
65.  
    return 1 - (float) compare(str, target) / max;
66.  
    }

1.  
   public static void main(String[] args) {
2.  
   String a= "Steel";
3.  
   String b = "Steel Pipe";
4.  
   System.out.println("相似度："+getSimilarityRatio(a,b));
5.  
   }

算法原理：

该算法的解决是基于动态规划的思想，具体如下： 
设 s 的长度为 n，t 的长度为 m。如果 n = 0，则返回 m 并退出；如果 m=0，则返回 n 并退出。否则构建一个数组 d[0..m, 0..n]。 
将第0行初始化为 0..n，第0列初始化为0..m。 
依次检查 s 的每个字母(i=1..n)。 
依次检查 t 的每个字母(j=1..m)。 
如果 s[i]=t[j]，则 cost=0；如果 s[i]!=t[j]，则 cost=1。将 d[i,j] 设置为以下三个值中的最小值： 
紧邻当前格上方的格的值加一，即 d[i-1,j]+1 
紧邻当前格左方的格的值加一，即 d[i,j-1]+1 
当前格左上方的格的值加cost，即 d[i-1,j-1]+cost 
重复3-6步直到循环结束。d[n,m]即为莱茵斯坦距离。

参考链接：

http://wdhdmx.iteye.com/blog/1343856

https://www.cnblogs.com/ymind/archive/2012/03/27/fast-memory-efficient-Levenshtein-algorithm.html

https://blog.csdn.net/u013035314/article/details/50340443