Berechnen Sie die Ähnlichkeitsbewertung von Zeichenketten mit JAVA

Sie können es sofort mit Apache Lucene tun. Sie können es in einer Zeile tun. Es gibt die Levenstein-Distanzmethode und die Jaro-Winkler-Distanzmethode (obwohl es andere gibt).

Levenstein-Distanzmethode

Wie oft sollte ich bearbeiten = Entfernung. Beim Ersetzen von "BitCoin Core" durch "BitCoin Cash"

1. Mal: "BitCoin C [a] re" Zweites Mal: "BitCoin Ca [s] e" Drittes Mal: "BitCoin Cas [h]"

Daher beträgt der Abstand "3".

In diesem Fall beträgt die Anzahl der Zeichen 12 Zeichen. 9 von 12 Zeichen müssen nicht bearbeitet werden Die Punktzahl beträgt 9/12 = 3/4 = 0,75, was 75 Punkten entspricht.

• Wenn die Anzahl der Zeichen in der zu vergleichenden Zeichenfolge unterschiedlich ist Die Punktzahl wird basierend auf der mit mehr Zeichen berechnet.

** Im Allgemeinen soll es für die Rechtschreib- und Diebstahlprüfung einfach zu verwenden sein. ** ** **

Jaro Winkler Distanzmethode

Ich messe auch die Ähnlichkeit Beispielsweise wird die Ähnlichkeit so berechnet, als ob es Zeichen gibt, die innerhalb eines bestimmten Bereichs ersetzt werden können.

Darüber hinaus wird bei der Berechnung der Ähnlichkeit auch berücksichtigt, wie gut die Präfixe übereinstimmen.

• Bei "1234567890" und "0004567890" beträgt die Punktzahl etwa 80 Punkte.
• Bei "1234567890" und "1234567111" beträgt die Punktzahl etwa 94 Punkte.

** Im Allgemeinen soll es zur Überprüfung von Rechtschreibfehlern wirksam sein **

Implementierung

Verlassen Sie sich nur auf Lucene. In Maven.

pom.xml

        <dependency>
            <artifactId>lucene-core</artifactId>
            <groupId>org.apache.lucene</groupId>
            <version>5.1.0</version>
        </dependency>
        <dependency>
            <artifactId>lucene-analyzers</artifactId>
            <groupId>org.apache.lucene</groupId>
            <version>3.6.1</version>
        </dependency>
        <dependency>
            <artifactId>lucene-spellchecker</artifactId>
            <groupId>org.apache.lucene</groupId>
            <version>3.6.1</version>
        </dependency>

sample

import org.apache.lucene.search.spell.JaroWinklerDistance;
import org.apache.lucene.search.spell.LevensteinDistance;

/**
 *Beispiel zur Berechnung der Ähnlichkeitsbewertung einer Zeichenfolge
 * @author ryutaro_hakozaki
 */
public class ExecStringSimilaritySample {
    
    public static void main(String argv[]){
        
        System.out.println(
                "Eine Punktzahl, die "BitCoin Core" und "BitCoin Cash" nach Levenstein-Entfernung vergleicht== " 
                        + getSimilarScoreByLevenshteinDistance("BitCoin Core", "BitCoin Cash"));

        System.out.println(
                "Jaro Winkler Score im Vergleich von "BitCoin Core" und "BitCoin Cash" aus der Ferne== " 
                        + getSimilarScoreByJaroWinklerDistance("BitCoin Core", "BitCoin Cash"));

        
    }
    
    /**
     *Der Revenstein-Abstand bestimmt die Ähnlichkeit der Saiten
     * @param s1
     * @param s2
     * @return 
     */
    private static int getSimilarScoreByLevenshteinDistance(String s1, String s2){
        
        //Eingabeprüfung entfällt
        LevensteinDistance dis =  new LevensteinDistance();
        return (int) (dis.getDistance(s1, s2) * 100);
    }
    
    /**
     *Jaro Winkler Beurteilung der Ähnlichkeit von Zeichenketten nach Entfernung
     * @param s1
     * @param s2
     * @return 
     */
    private static int getSimilarScoreByJaroWinklerDistance(String s1, String s2){
        
        //Eingabeprüfung entfällt
        JaroWinklerDistance dis =  new JaroWinklerDistance();
        return (int) (dis.getDistance(s1, s2) * 100);
    }
    
}

Ausführungsergebnis

Eine Punktzahl, die "BitCoin Core" und "BitCoin Cash" nach Levenstein-Entfernung vergleicht== 75
Jaro Winkler Score im Vergleich von "BitCoin Core" und "BitCoin Cash" aus der Ferne== 95