详解Python 字符串相似性的几种度量方法
作者:-牧野- 时间:2023-06-19 14:12:39
字符串的相似性比较应用场合很多,像拼写纠错、文本去重、上下文相似性等。
评价字符串相似度最常见的办法就是:把一个字符串通过插入、删除或替换这样的编辑操作,变成另外一个字符串,所需要的最少编辑次数,这种就是编辑距离(edit distance)度量方法,也称为Levenshtein距离。海明距离是编辑距离的一种特殊情况,只计算等长情况下替换操作的编辑次数,只能应用于两个等长字符串间的距离度量。
其他常用的度量方法还有 Jaccard distance、J-W距离(Jaro–Winkler distance)、余弦相似性(cosine similarity)、欧氏距离(Euclidean distance)等。
python-Levenshtein 使用
使用 pip install python-Levenshtein 指令安装 Levenshtein
# -*- coding: utf-8 -*-
import difflib
# import jieba
import Levenshtein
str1 = "我的骨骼雪白 也长不出青稞"
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较的字符
seq = difflib.SequenceMatcher(lambda x: x in ' 我的雪', str1,str2)
ratio = seq.ratio()
print 'difflib similarity2: ', ratio
# 2. hamming距离,str1和str2长度必须一致,描述两个等长字串之间对应位置上不同字符的个数
# sim = Levenshtein.hamming(str1, str2)
# print 'hamming similarity: ', sim
# 3. 编辑距离,描述由一个字串转化成另一个字串最少的操作次数,在其中的操作包括 插入、删除、替换
sim = Levenshtein.distance(str1, str2)
print 'Levenshtein similarity: ', sim
# 4.计算莱文斯坦比
sim = Levenshtein.ratio(str1, str2)
print 'Levenshtein.ratio similarity: ', sim
# 5.计算jaro距离
sim = Levenshtein.jaro(str1, str2 )
print 'Levenshtein.jaro similarity: ', sim
# 6. Jaro–Winkler距离
sim = Levenshtein.jaro_winkler(str1 , str2 )
print 'Levenshtein.jaro_winkler similarity: ', sim
输出:
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
来源:https://blog.csdn.net/dcrmg/article/details/79228589
标签:Python,字符串,相似性
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
重新restore了mysql到另一台机器上后mysql 编码问题报错
2024-01-24 05:10:41
python记录程序运行时间的三种方法
2023-08-25 03:12:19
Python 用NumPy创建二维数组的案例
2021-11-23 22:27:48
![](https://img.aspxhome.com/file/2023/7/99147_0s.jpg)
Python中实现最小二乘法思路及实现代码
2021-06-17 02:23:24
![](https://img.aspxhome.com/file/2023/9/90409_0s.png)
解决pycharm19.3.3安装pyqt5找不到designer.exe和pyuic.exe的问题
2022-06-08 02:29:26
![](https://img.aspxhome.com/file/2023/3/79793_0s.png)
YUI学习笔记(1)
2009-01-12 18:06:00
python中列表和元组的区别
2022-05-21 16:06:00
DBeaver一款替代Navicat的数据库可视化工具
2024-01-18 07:55:44
![](https://img.aspxhome.com/file/2023/0/132380_0s.jpg)
python3中rank函数的用法
2022-09-26 07:00:45
教你如何使用Python下载B站视频的详细教程
2023-04-12 00:39:48
![](https://img.aspxhome.com/file/2023/8/102768_0s.jpg)
Python Queue模块详细介绍及实例
2022-03-08 11:03:58
Python制作一个随机抽奖小工具的实现
2022-10-22 03:53:29
![](https://img.aspxhome.com/file/2023/3/104973_0s.png)
asp如何在线修改数据库表?
2010-06-26 12:24:00
python 深度学习中的4种激活函数
2023-10-23 19:42:23
![](https://img.aspxhome.com/file/2023/3/99013_0s.jpg)
MySQL中的回表和索引覆盖示例详解
2024-01-20 11:37:16
![](https://img.aspxhome.com/file/2023/9/81039_0s.png)
记一次Django响应超慢的解决过程
2021-11-23 13:35:57
FusionCharts图表显示双Y轴双(多)曲线
2023-08-22 17:55:38
![](https://img.aspxhome.com/file/2023/9/56199_0s.png)
python中翻译功能translate模块实现方法
2021-05-09 17:02:33
滑动门代码 兼容IE7 IE6 FireFox Opera
2008-06-07 13:56:00
asp防止盗链HTTP_REFERER判断代码
2010-03-12 10:41:00