文本相似度——汉明距离

---

文本相似度计算方法汇总：文本相似度计算方法详解

---

1 基本思路

汉明距离定义：在信息论中，两个等长字符串之间的汉明距离（英语：Hamming distance）是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。¹

示例：

• 1011101与1001001之间的汉明距离是2。
• 2143896与2233796之间的汉明距离是3。
• "toned"与"roses"之间的汉明距离是3。

2 算法实现

2.1 Python 实现

1. 方法一：

def hamming_distance(chaine1, chaine2):
    return sum(c1 != c2 for c1, c2 in zip(chaine1, chaine2))

2. 方法二：

def hamming_distance2(chaine1, chaine2):
    return len(list(filter(lambda x : ord(x[0])^ord(x[1]), zip(chaine1, chaine2))))

2.2 Python 包

使用distance

# pip install distance
import distance
print(distance.hamming("hamming", "hamning"))

---

1. https://en.wikipedia.org/wiki/Hamming_distance ↩︎