【算法】levenshtein distance编辑距离算法实现计算两组标签的相似度

标签相似度算法：levenshtein distance编辑距离算法

步骤：

1..两组标签组组合成二维数组。行：0-第一组标签长度，列：0-第二组标签的长度

2.双重循环在该数字的左边，左上，和上面取出对小值，如果该位置上的两组标签相同，则该位置值取最小值，若不相同则取最小值加一。重复此步骤

3.similarity = 1 -dic[len1][len2] / max            相似度等于1-矩阵最后一个元素/两组标签长度的最大值

###编辑距离算法

def distance(labels1, labels2):

len1 = len(labels1) len2 = len(labels2)

dic = np.zeros((len1 + 1, len2 + 1))

for i in range(len1):

dic[i][0] = i for j in range(len2):

dic[0][j] = j for i in range(len1 + 1):

if (i != 0): for j in range(len2 + 1):

if (j != 0):

if (labels1[i - 1] == labels2[j - 1]):

temp = 0

else:

temp = 1

dic[i][j] = min(dic[i - 1][j - 1] + temp, dic[i][j - 1] + 1, dic[i - 1][j] + 1)

max = len2

if (len1 > len2):

max = len1

similarity = 1 - dic[len1][len2] / max

return similarity

if __name__ == '__main__':

labels1 = ["起亚", "实拍", "汽车", "新闻", "广州车展", "东风", "资讯", "飞机"]

labels2 = ["广州", "现场", "汽车", "国际车展", "新闻", "首发", "资讯", "现代", "概念", "北京", "飞机"]

sim = distance(labels1, labels2) print(sim)

print(sim)

输出sim=0.2727272727272727

github源码：

https://github.com/arronvera/Similarity