码迷,mamicode.com
首页 > 其他好文 > 详细

最小编辑距离

时间:2014-05-22 03:56:16      阅读:348      评论:0      收藏:0      [点我收藏+]

标签:style   blog   class   c   code   java   

概念

编辑距离(Edit Distance),又称Levenshtein距离,是指两个字串之间,由一个转成另一个所需的最少编辑操作次数。许可的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。
例如将kitten一字转成sitting:
sitten (k→s)
sittin (e→i)
sitting (→g)
俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。
 
算法
动态规划经常被用来作为这个问题的解决手段之一。
具体步骤是:
1. 建立个m*n的矩阵matrix,其中m=len(a)+1n=len(b)+1。这样,二维数组的范围就是 matrix[0...n-1][0...m-1]了。
2. 给matrix[0][0...m-1]赋值为0...m-1matrix[0...n-1][0]赋值为0...n-1
3. 遍历matrix[0...n-1][0...m-1]
matrix每个元素的值都为:
min\left\{\begin{array}{lll}matrix[i-1][j]+INSERT\_COST \\matrix[i][j-1]+DELETE\_COST\\matrix[i-1][j-1]+SUBSTITUTE\_COST(source_i target_j)\end{array} \right.
其中,INSERT_COST,DELETE_COST 都是固定值(可以自己设定12什么的)。
而SUBSTITUTE_COST是需要判断的。
当source_i和target_i的值是等价的时候,SUBSTITUTE_COST就是0否则SUBSTITUTE_COST就是预定义的一个权值。
最后matrix[n-1][m-1]的值则为两个字符串的最小编辑距离。
改进
当source_i和target_i的值相同时,SUBSTITUTE_COST的值就是0,必然是最小值。所以首先判断两字符是否相等,若相等则直接判定matrix[i][j]=matrix[i-1][j-1],判断下个。这样可以省很多计算。
 
伪代码:
整数 Levenshtein距离(字符串 str1[1..m], 字符串 str2[1..n])
//声明变量, d[i , j]用于记录str1[1...i]与str2[1..j]的Levenshtein距离
int d[0..m, 0..n]
//初始化
for i from 0 to m
d[i, 0] := i
for j from 0 to n
d[0, j] := j
//用动态规划方法计算Levenshtein距离
for i from 1 to m
for j from 1 to n
{
//计算替换操作的代价,如果两个字符相同,则替换操作代价为0,否则为1
if str1[i]== str2[j] then cost := 0
else cost := 1
//d[i,j]的Levenshtein距离,可以有
d[i, j] := minimum(
d[i-1, j] + 1,  //在str1上i-1位置插入字符(或者在str2上j位置删除字符)
d[i, j-1] + 1,  //在str1上i位置删除字符(或者在str2上j-1位置插入字符)
d[i-1, j-1] + cost // 替换操作
)
 
}
//返回d[m, n]
return d[m, n]
wikisource上有不同的编程语言的版本。
 
java代码实现
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
package com.mzule.al;
 
public class LevenshteinDistance {
 
    public double distance(String w1,String w2){
        double[][] m = new double[w1.length()+1][w2.length()+1];
        for(int i=0;i<m.length;i++){
            m[i][0]=i;
        }
        for(int i=0;i<m[0].length;i++){
            m[0][i]=i;
        }
        for(int i=1;i<m.length;i++){
            for(int j=1;j<m[0].length;j++){
                m[i][j] = min(m[i][j-1]+1,m[i-1][j]+1,m[i-1][j-1]+cost(w1.charAt(i-1),w2.charAt(j-1)));
            }
        }
        return m[w1.length()][w2.length()];
    }
 
    protected double cost(char c1,char c2) {
        return c1==c2?0:1;
    }
 
    protected double min(double i, double j, double k) {
        double t = i<j?i:j;
        return t<k?t:k;
    }
     
}

  测试代码:

1
2
3
4
public static void main(String[] args) {
    double d = new LevenshteinDistance().distance("Lavensting", "Levenshtein");
    System.out.println(d);
}

  来源:http://www.cnblogs.com/codeplus/p/3392232.html

最小编辑距离,布布扣,bubuko.com

最小编辑距离

标签:style   blog   class   c   code   java   

原文地址:http://www.cnblogs.com/tibetanmastiff/p/3738489.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!