计算两个字符串之间的相似度

1.jaccard相似度：字符级别——相同字符的个数占总字符的个数

参考文档：https://blog.csdn.net/u012836354/article/details/79103099

只是衡量两个字符串之间的相同字符的占比，而未考虑字符的排序导致的两个字符的差异

s1="艾伦图灵传" s2="艾伦图灵传" def jaccard_score(s1,s2): print("s1",set(s1)) print("s2", set(s2)) print("s1&s2", set(s1)&set(s2)) print("s1 | s2", set(s1)|set(s2)) return len(set(s1)&set(s2))/len(set(s1)|set(s2)) print(jaccard_score(s1,s2))

s1 {'灵', '传', '艾', '图', '伦'} s2 {'灵', '传', '艾', '图', '伦'} s1&s2 {'灵', '传', '艾', '图', '伦'} s1 | s2 {'灵', '传', '艾', '图', '伦'} score 1.0

2.最长公共子字符串的长度*2/(两个字符串的长度和)

动态规划：https://blog.csdn.net/qq_42233538/article/details/103433377

3.Levenshtein距离/编辑距离

是指两个字串之间，由一个转成另一个所需的最少的编辑操作次数。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。一般来说，编辑距离越小，两个串的相似度越大。

参考文档: https://blog.csdn.net/ustbclearwang/article/details/81288815

                 https://www.jb51.net/article/98449.htm

Levenshtein的使用方法

安装方式：pip install python-Levenshtein

 Levenshtein.distance(str1,str2)计算编辑距离。是描述一个字符串转化成另一个字串最少的操作次数，在其中的操作包括插入、删除、替换。算法实现：动态规划。

s1="艾伦 图灵传" s2="艾伦•图灵传" print(Levenshtein.distance(s1,s2))

输出： 1

Levenshtein.hamming(str1,str2)计算汉明距离，要求str1和str2必须长度一致。是描述两个等长字串之间对应位置上不同字符的个数。

s1="艾伦 图灵传" s2="艾伦•图灵传" print(Levenshtein.hamming(s1,s2))

输出： 1

Levenshtein.ratio(str1,str2)计算莱文斯坦比。计算公式其中sum1是指str1和str2字串的长度总和，ldist是类编辑距离。注意这里是类编辑距离，在类编辑距离中删除、插入依然+1，但是替换+2。

s1="艾伦 图灵传" s2="艾伦•图灵传" print(Levenshtein.ratio(s1,s2))

0.8333333333333334

（12-2）/10

Levenshtein.jaro(str1,str2)  计算Jaro距离

参考：https://zhuanlan.zhihu.com/p/99788854

Levenshtein.jaro_winkler(str1,str2)  计算Jaro-Winkler距离