相似度计算是数据挖掘，推荐引擎中的最基本问题，例如在推荐系统(Recommender Systems，简称RSs)中计算带推荐物品(Item)相似度，或是用户(User)之间的相似度以期获得兴趣口味(Taste)相似的用户时，均需要使用到相似度计算技术。经常使用的相似度计算方式较多，且各有特点， 以...
分类：
其他好文 时间：
2014-07-07 12:09:43
阅读次数：
448
算法介绍:
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。
步骤详解:
我们算V1中的值：以红色的0所在的格子为例
根据步骤5：
如果 s[i] 等于 t[j]，则编辑代价cost为 0；
如果 s[i] 不等于 t[j]，则编辑代价cost为1。
和
步骤6:
设置单元v1[j]为下面的最小值之一：
a、紧邻该单元上方+1：v1[j-1] + ...
分类：
编程语言 时间：
2014-07-06 08:31:41
阅读次数：
337
今天要研究的问题是如何计算两个文本的相似度。正如上篇文章描述，计算文本的相似度在工程中有着重要的应用，
比如文本去重，搜索引擎网页判重，论文的反抄袭，ACM竞赛中反作弊等等。
上篇文章介绍的SimHash算法是比较优秀的文档判重算法，它能处理海量文本的判重，Google搜索引擎也正是用这
个算法来处理网页的重复问题。实际上，仅拿文本的相似度计算来说，有很多算法都能解决这个问题，并且都达...
分类：
其他好文 时间：
2014-06-02 15:15:39
阅读次数：
200
1 using System; 2 using System.Collections.Generic;
3 using System.Text; 4 5 namespace ConsoleApplication6 6 { 7 class semblance 8 {
9 10 ...
分类：
数据库 时间：
2014-05-26 02:11:57
阅读次数：
486
计算字符串的相似度
提出问题
许多程序会大量使用字符串。对于不同的字符串，我们希望能够有办法判断其相似程度。我们定义了一套操作方法来把两个不相同的字符串变得相同，具体的操作方法为：
1.修改一个字符（如把“a”替换为“b”）。
2.增加一个字符（如把“abdd”变为“aebdd”）。
3.删除一个字符（如把“travelling”变为“traveling”）。
比如，对于“abcdef...
分类：
其他好文 时间：
2014-05-24 19:32:33
阅读次数：
289
