莱文斯坦距离算法，Java 比较两个字符串的相似度！

发布时间：2018-04-02作者：laosun阅读（4954）

莱文斯坦距离算法，首先由俄国科学家Levenshtein提出的，又叫Levenshtein Distance ，莱文斯坦距离(LD)用于衡量两个字符串之间的相似度。以下我们称这两个字符串分别为 a (原字符串) 和 b (目标字符串)。莱文斯坦距离被定义为''将字符串 a 变换为字符串 b 所需的删除、插入、替换操作的次数''。

/**
 * 莱文斯坦 距离算法
 * 编辑距离算法，首先由俄国科学家Levenshtein提出的，又叫Levenshtein Distance
 * 主要用来计算从原串（s）转换到目标串(t)所需要的最少的插入，删除和替换的数目，
 * 在NLP中应用比较广泛，同时也常用来计算你对原文所作的改动数
 * @author sun
 */
public class Levenshtein {

	private static int compare(String str, String target) {
		int d[][]; // 矩阵
		int n = str.length();
		int m = target.length();
		int i; // 遍历str的
		int j; // 遍历target的
		char ch1; // str的
		char ch2; // target的
		int temp; // 记录相同字符,在某个矩阵位置值的增量,不是0就是1
		if (n == 0) {
			return m;
		}
		if (m == 0) {
			return n;
		}
		d = new int[n + 1][m + 1];
		for (i = 0; i <= n; i++) { // 初始化第一列
			d[i][0] = i;
		}
		for (j = 0; j <= m; j++) { // 初始化第一行
			d[0][j] = j;
		}
		for (i = 1; i <= n; i++) { // 遍历str
			ch1 = str.charAt(i - 1);
			// 去匹配target
			for (j = 1; j <= m; j++) {
				ch2 = target.charAt(j - 1);
				if (ch1 == ch2) {
					temp = 0;
				} else {
					temp = 1;
				}
				// 左边+1,上边+1, 左上角+temp取最小
				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 static int min(int one, int two, int three) {
		return (one = one < two ? one : two) < three ? one : three;
	}

	/**
	 * 获取两字符串的相似度
	 */
	public static float getSimilarityRatio(String str, String target) {
		return 1 - (float) compare(str, target)
				/ Math.max(str.length(), target.length());
	}
	
	public static void main(String[] args) {
		String str1 = "技术客，记录生活点滴，分享兴趣爱好！https://www.sunjs.com";
		String str2 = "sunjs技术客，记录生活点滴 https://www.sunjs.com";
		
		System.out.println("相似度：" + getSimilarityRatio(str1, str2));
		//相似度：0.6666666
	}

}