两根弦之间的距离[关闭]

Question

我不相信标准库提供任何东西来计算两个字符串之间的距离，而且我似乎在 Boost StringAlgo 中找不到任何东西。那么，还有其他我可以使用的库吗？

我对算法不太挑剔。 Jaro-Winkler 很好，Levenshtein 也很好，我愿意接受建议，我不想编写已经有人编写过的代码..

Answer 1

您没有使用实际距离度量来定义您的问题，所以我认为它只需要满足“Metric (mathematics)”中的条件：

集合 X 上的度量是一个函数（称为距离函数或简称为距离） d : X × X → R （其中 R 是实数集）。对于X中的所有x、y、z，该函数需要满足以下条件：

• d(x, y) ≥ 0（非负性或分离公理）
• d(x, y) = 0 当且仅当 x = y（不可分辨的同一性，或巧合公理）
• d(x, y) = d(y, x)（对称）
• d(x, z) ≤ d(x, y) + d(y, z)（次可加性/三角不等式）。

假设我们这样定义d：

          { 0 if x = y
d(x, y) = {
          { 1 otherwise

所以前三个条件都满足了：

• d(x, y) ≥ 0
• d(x, y) = 0 iff x = y
• d(x, y) = d(y, x) = 0 for x = y 和 d(x, y) = d(y, x) = 1 for x ≠ y

对于最后一个条件，有两种情况：

• d(x, z) = 0。右侧唯一可能的值是0、1 和2，其中任何一个都可以满足条件。
• d(x, z) = 1。假设右手边不大于或等于一。这意味着它必须为零。那么右侧的两个术语都必须是0，这意味着x = y 和y = z。第二个条件表示x = z，这反过来又表示d(x, z) = 0。这是一个矛盾，所以右手边必须大于或等于一。

那么我们可以将度量定义为：

int d(std::string x, std::string y) {
    if (x == y) {
        return 0;
    } else {
        return 1;
    }
}

Answer 2

This related question contains a code snippet 演示 Levenshtein 距离。也是implemented for MySQL in this C code。

Answer 3

你可以试试SimString。

SimString 是一个用于快速近似字符串检索的简单库。 近似字符串检索在数据库中查找字符串 与查询字符串的相似度不小于阈值。发现 不仅相同而且相似的字符串，近似字符串检索 具有多种应用，包括拼写纠正、灵活 字典匹配、重复检测和记录链接。

SimString 支持 cosine、Jaccard、dice 和重叠系数作为 相似性度量。 SimString 使用字母 n-gram 作为特征 计算字符串相似度。

或者SimMetric 库。

SimMetrics 是一个相似度度量库，例如从编辑距离的 （Levenshtein、Gotoh、Jaro 等）到其他指标（例如 Soundex、 查普曼）。由 (AKT) 资助的英国谢菲尔德大学提供的工作 IRC 由 EPSRC 赞助，授权号 GR/N15764/01。

或者 libdistance 库，它实现了 Levenshtein、Dameru、Needleman-Wunsch、Hamming、Bloom Filter、Jaccard 和 Minkowski 距离。

Phonetic algorithms 也可能感兴趣。