java 相似度算法

 

/**
 * 文本相似度算法
 * （据说）由俄国人Vladimir Levenshtein在1965年发明
 * 原理：返回将第一个字符串转换(删除、插入、替换)成第二个字符串的编辑次数。
 * 次数越少，意味着字符串相似度越高
 */
public class SimilarityRate {
 private static int min(int one, int two, int three) {
  int min = one;
  if (two < min) {
   min = two;
  }
  if (three < min) {
   min = three;
  }
  return min;
 }
 public static int ld(String str1, String str2) {
  int d[][]; //矩阵
  int n = str1.length();
  int m = str2.length();
  int i; //遍历str1的
  int j;//遍历str2的
  char ch1;//str1的
  char ch2; //str2的
  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
  if (n == 0) {
   return m;
  }
  if (m == 0) {
   return n;
  }
  d = new int[n + 1][m + 1];
  for (i = 0; i <= n; i++) {//初始化第一列
   d[i][0] = i;
  }
  for (j = 0; j <= m; j++) { //初始化第一行
   d[0][j] = j;
  }
  int t = 1;
  for (i = 1; i <= n; i++) { //遍历str1
   ch1 = str1.charAt(i - 1);
   //去匹配str2
   for (j = 1; j <= m; j++) {
    ch2 = str2.charAt(j - 1);
    if (ch1 == ch2) {
     temp = 0;
     System.out.println(t++);
    } else {
     temp = 1;
    }
    //左边+1,上边+1, 左上角+temp取最小
    d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
   }
  }
  return d[n][m];
 }
 public static double sim(String str1, String str2) {
  int ld = ld(str1, str2);
  return 1 - (double) ld / Math.max(str1.length(), str2.length());
 }
 public static void main(String[] args) {
  String str1 = "abcdhefga";
  String str2 = "gfehdcbaa";
  System.out.println("ld=" + ld(str1, str2));
  System.out.println("sim=" + sim(str1, str2));
 }
}