为了账号安全,请及时绑定邮箱和手机立即绑定

区分编辑距离

区分编辑距离

Cats萌萌 2023-04-11 16:09:30
levenshtein 编辑距离只关心完成了多少次编辑,而不关心它们到底是什么,因此以下两对将具有相同的编辑距离。("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class A") ("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class B")是否有任何算法或库可以区分这两对?
查看完整描述

2 回答

?
噜噜哒

TA贡献1784条经验 获得超7个赞

您可以使用余弦相似度来查找文本之间的相似度,它会在这两个文本之间产生不同的相似度


import math

import re

from collections import Counter


WORD = re.compile(r"\w+")



def get_cosine(vec1, vec2):

    intersection = set(vec1.keys()) & set(vec2.keys())

    numerator = sum([vec1[x] * vec2[x] for x in intersection])

    sum1 = sum([vec1[x] ** 2 for x in list(vec1.keys())])

    sum2 = sum([vec2[x] ** 2 for x in list(vec2.keys())])

    denominator = math.sqrt(sum1) * math.sqrt(sum2)

    if not denominator:

        return 0.0

    else:

        return float(numerator) / denominator



def text_to_vector(text):

    words = WORD.findall(text)

    return Counter(words)


x =("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class A")

y =("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class B")

cosine = get_cosine(text_to_vector(x[0]), text_to_vector(x[1]))


print("Cosine1:", cosine)


cosine1 = get_cosine(text_to_vector(y[0]), text_to_vector(y[1]))


print("Cosine2:", cosine1)

输出:


Cosine1: 0.9091372900969896

Cosine2: 0.8366600265340756


查看完整回答
反对 回复 2023-04-11
?
元芳怎么了

TA贡献1798条经验 获得超7个赞

您可以将jellyfish库用于不同的文本相似性。


In [85]: a = ("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class A")

    ...: b = ("A P Moller - Maersk A", "A.P. Moller - Maersk A/S Class B")


In [86]: import jellyfish


In [87]: jellyfish.levenshtein_distance(" ".join(a), " ".join(b))

Out[87]: 1


In [88]: jellyfish.jaro_distance(" ".join(a), " ".join(b))

Out[88]: 0.9876543209876543


In [89]: jellyfish.hamming_distance(" ".join(a), " ".join(b))

Out[89]: 1


In [90]: jellyfish.jaro_winkler_similarity(" ".join(a), " ".join(b))

Out[90]: 0.9925925925925926


查看完整回答
反对 回复 2023-04-11
  • 2 回答
  • 0 关注
  • 109 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信