字符串相似性比较

package edu.nust.cs726.tools;

/**
Levenshtein distance最先是由俄国科学家Vladimir Levenshtein在1965年发明,用他的名字命名。不会拼读,可以叫它edit distance(编辑距离)。
Levenshtein distance可以用来:

Spell checking(拼写检查) 
Speech recognition(语句识别) 
DNA analysis(DNA分析) 
Plagiarism detection(抄袭检测) 
LD用m*n的矩阵存储距离值。算法大概过程:

str1或str2的长度为0返回另一个字符串的长度。 
初始化(n+1)*(m+1)的矩阵d,并让第一行和列的值从0开始增长。 
扫描两字符串(n*m级的),如果:str1[i] == str2[j],用temp记录它,为0。否则temp记为1。然后在矩阵d[i][j]赋于d[i-1][j]+1 、d[i][j-1]+1、d[i-1][j-1]+temp三者的最小值。 
扫描完后,返回矩阵的最后一个值即d[n][m]
 */
public class LD
{
 
    /**
     * 计算矢量距离
     * Levenshtein Distance(LD) 
     * @param str1 str1
     * @param str2 str2
     * @return ld
     */
    public int ld(String str1, String str2)
    {
        //Distance
        int [][] d; 
        int n = str1.length();
        int m = str2.length();
        int i; //iterate str1
        int j; //iterate str2
        char ch1; //str1 
        char ch2; //str2  
        int temp;    
        if (n == 0)
        {
            return m;
        }
        if (m == 0)
        {
            return n;
        }
        d = new int[n + 1][m + 1];
        for (i = 0; i <= n; i++)
        {   d[i][0] = i;
        }
        for (j = 0; j <= m; j++)
        { 
            d[0][j] = j;
        }
        for (i = 1; i <= n; i++)
        {   
            ch1 = str1.charAt(i - 1);
            //match str2   
            for (j = 1; j <= m; j++)
            {
                ch2 = str2.charAt(j - 1);
                if (ch1 == ch2)
                {
                    temp = 0;
                }
                else
                {
                    temp = 1;
                }
 
                d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
            }
        }
        return d[n][m];
    }
 
    private int min(int one, int two, int three)
    {
        int min = one;
        if (two < min)
        {
            min = two;
        }
        if (three < min)
        {
            min = three;
        }
        return min;
    }
 
    /**
     * 计算相似度
     * @param str1 str1
     * @param str2 str2
     * @return sim  
     */
    public double sim(String str1, String str2)
    {
        int ld = ld(str1, str2);
        return 1 - (double) ld / Math.max(str1.length(), str2.length());
    }
    
    /**
     * 测试
     * @param args
     */
    public static void main(String[] args)
    {
    	LD ld = new LD();
    	double num = ld.sim("ENLRVEFPKKADENTIKDTIISLCMSAKSEQNFSGVEKELNEFMLSFNSVALATLNANGEVVCSYAPFVSTQWGNYIYISEVSEHFNNIKVNPNNIEIMFLEDESKAASVILRKRLRYRVNASFLERGERFDQIYDEFEKQTGGEGGIKTIRKMLDFHLVKLEFKKGRFVKGFGQAYDIENGNVTHVGASGNPHKFLHKH",
    			"ENLRVEFPKKADENTIKDTIISLCMSAKSEQNFSGVEKELNEFMLSFNSVALATLNANGEVVCSYAPFVSTQWGNYIYISEVSEHFNNIKVNPNNIEIMFLEDESKAASVILRKRLRYRVNASFLERGERFDQIYDEFEKQTGGEGGIKTIRKMLDFHLVKLEFKKGRFVKGFGQAYDIENGNVTHVGASGNPHKFLHKH");
    	System.out.println(num);
    }
 

}

你可能感兴趣的:(字符串相似性比较)