使用 Levenshtein 距离比较文件路径答案

【问题标题】：Comparing file paths using Levenshtein Distance使用 Levenshtein 距离比较文件路径
【发布时间】：2016-03-28 03:28:47
【问题描述】：

我需要弄清楚特定文件路径的接近程度，Levenshtein 距离算法效果很好，但我需要以某种方式为目录树上更高的目录赋予权重。

例如：

我的来源是“x:/t/c/d”

我的两个目标是：

“a:/t/c/d”
“x:/t/y/z”

我需要将第二个目标识别为更接近，即使“作为字符串”它的编辑距离更大（因为目标二与源位于同一父目录“x”中，而第一个目标正在查看目录“一个”。

我将如何对字符串中较早出现的字符进行加权？

【问题讨论】：

为什么有人投了反对票？感觉这个问题很有意义，这个人查找了 Levenshtein 距离并应用了它，所以不确定反对票是为了什么

标签： java c# algorithm comparison string-comparison

【解决方案1】：

在我看来，完整路径上的 Levenshtein 距离 不是您想要实现的正确算法。

我建议您将路径拆分为一个文件夹列表（最终在末尾有一个文件），然后我会比较相应位置的目录名称（或驱动器），如果它给它一个高分是一个完美的匹配，随着你在目录树中的深入，分数会降低。

如果不匹配，您仍然可以在路径上应用 Levenshtein 距离并将其相乘以获得随着您进一步下降而减小的权重。

总结一下。

例如：

var source = "x:/t/c/d";
var targets = new[] { "a:/t/c/d", "x:/t/y/z" };

var separator = '/';
var sourceParts = source.Split(separator);
var weight = 10;
var match = 100;

var scores = targets.Select(target =>
{
    var score = sourceParts
        .Zip(target.Split(separator), (s, t) => new Tuple<string, string>(s, t))
        .Select(
            (tuple, i) => tuple.Item1 == tuple.Item2
                ? match * GetWeight(i)
                : LevenshteinDistance(tuple.Item1, tuple.Item2) * GetWeight(i)
        ).Sum();

    return new
    {
        Target = target,
        Score = score
    };
});

GetWeight() 类似于：

private static int MaxWeight = 10;
private static int GetWeight(int i) => i < MaxWeight ? MaxWeight - i : 1;

【讨论】：

【解决方案2】：

如何将源和目标用“/”分开，然后分别比较它们，这样第二个应该是更接近的一个

C# 代码：

        var source = "x:/t/c/d";
        var sourceSplitted = source.Split('/');
        List<string> targets = new List<string>() { "a:/t/c/d", "x:/t/y/z" };

        for (int i = 0; i < sourceSplitted.Length; i++)
        {
            foreach (var item in targets)
            {
                var targetSplitted = item.Split('/');
                // Calculate levenshtein here using sourceSplitted[i] and targetSplitted[i]
            }
        }

【讨论】：

【解决方案3】：

建议拆分路径并从后面开始给它一个反向权重，伪代码将是：

currPath = null
currMin = int.Max


for (path in paths){ 

    var curr = 0

    var idx = 1;

    for ( x in Inverse( Split ( path ) ) ) { 

        curr+= idx * LevenshteinDistance( x )
        idx++;
    }

    if(idx < currMin)
        currPath = path;        
}

对于所有匹配的非常长的路径，它可能不起作用，但这是任何“猜测”算法都会遇到的问题，但类似的东西应该可以满足您的需求

【讨论】：