溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
字符串的相似性比較應用場合很多，像拼寫糾錯、文本去重、上下文相似性等。
評價字符串相似度最常見的辦法就是：把一個字符串通過插入、刪除或替換這樣的編輯操作，變成另外一個字符串，所需要的最少編輯次數，這種就是編輯距離（edit distance）度量方法，也稱為Levenshtein距離。海明距離是編輯距離的一種特殊情況，只計算等長情況下替換操作的編輯次數，只能應用于兩個等長字符串間的距離度量。
其他常用的度量方法還有 Jaccard distance、J-W距離（Jaro–Winkler distance）、余弦相似性（cosine similarity）、歐氏距離（Euclidean distance）等。
python-Levenshtein 使用
使用 pip install python-Levenshtein 指令安裝 Levenshtein
# -*- coding: utf-8 -*- import difflib # import jieba import Levenshtein str1 = "我的骨骼雪白 也長不出青稞" str2 = "雪的日子 我只想到雪中去si" # 1. difflib seq = difflib.SequenceMatcher(None, str1,str2) ratio = seq.ratio() print 'difflib similarity1: ', ratio # difflib 去掉列表中不需要比較的字符 seq = difflib.SequenceMatcher(lambda x: x in ' 我的雪', str1,str2) ratio = seq.ratio() print 'difflib similarity2: ', ratio # 2. hamming距離，str1和str2長度必須一致，描述兩個等長字串之間對應位置上不同字符的個數 # sim = Levenshtein.hamming(str1, str2) # print 'hamming similarity: ', sim # 3. 編輯距離，描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括 插入、刪除、替換 sim = Levenshtein.distance(str1, str2) print 'Levenshtein similarity: ', sim # 4.計算萊文斯坦比 sim = Levenshtein.ratio(str1, str2) print 'Levenshtein.ratio similarity: ', sim # 5.計算jaro距離 sim = Levenshtein.jaro(str1, str2 ) print 'Levenshtein.jaro similarity: ', sim # 6. Jaro–Winkler距離 sim = Levenshtein.jaro_winkler(str1 , str2 ) print 'Levenshtein.jaro_winkler similarity: ', sim
輸出：
difflib similarity1: 0.246575342466
difflib similarity2: 0.0821917808219
Levenshtein similarity: 33
Levenshtein.ratio similarity: 0.27397260274
Levenshtein.jaro similarity: 0.490208958959
Levenshtein.jaro_winkler similarity: 0.490208958959
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
