【Python3】计算两个字符串的相似度

在Python中，你可以使用不同的算法和库来计算两个字符串的相似度。这里介绍两种常用的方法：编辑距离和余弦相似度。

1. 编辑距离（Edit Distance）：

编辑距离是衡量两个字符串之间的差异程度的一种度量方式。在Python中，可以使用编辑距离算法来计算两个字符串之间的相似度。可以使用python-Levenshtein库来实现。

首先，你需要安装python-Levenshtein库：

pip install python-Levenshtein

下面是一个示例代码，演示如何计算两个字符串的编辑距离和相似程度：

import Levenshtein

def string_similarity(str1, str2):
    distance = Levenshtein.distance(str1, str2)
    similarity = 1 - (distance / max(len(str1), len(str2)))
    return similarity

str1 = "hello"
str2 = "helo"
similarity = string_similarity(str1, str2)
print(similarity)

2. 余弦相似度（Cosine Similarity）：

余弦相似度是衡量两个向量夹角的余弦值，可用于衡量文本相似度。在Python中，可以使用nltk库和sklearn库来计算余弦相似度。

首先，你需要安装nltk库和sklearn库：

pip install nltk scikit-learn

下面是一个示例代码，演示如何计算两个字符串的余弦相似度：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
import nltk

nltk.download('punkt')

def string_similarity(str1, str2):
    corpus = [str1, str2]  # 将两个字符串组成语料库
    vectorizer = TfidfVectorizer(tokenizer=nltk.word_tokenize)  # 使用TF-IDF向量化文本
    tfidf_matrix = vectorizer.fit_transform(corpus)
    similarity = cosine_similarity(tfidf_matrix[0:1], tfidf_matrix[1:2])
    return similarity[0][0]

str1 = "hello"
str2 = "helo"
similarity = string_similarity(str1, str2)
print(similarity)

注意：这些方法仅提供了一种近似相似度的方式，具体的结果可能因实际情况而异。你可以根据需要选择适合的方法，并根据具体场景进行调整。