如何计算与 google-diff-match-patch C# 库的相似度？

Question

我使用 google-diff-match-patch C# 库。我想测量两个文本之间的相似性。 为此，我编写了这个 C# 代码：

List<DiffMatchPatch.Diff> lDiffs = dmpDiff.diff_main(sTexte1, sTexte2);
int iIndex = dmpDiff.diff_levenshtein(lDiffs);
double dsimilarity = 100 - ((double)iIndex / Math.Max(sTexte1.Length, sTexte2.Length) * 100);

相似度值介于 0 - 100 之间（0 == 完美匹配 - 100 == 完全不同）。

你认为这是一个好方法吗，这个计算是否正确？

Answer 1

我在API home page 上查看了diff_levenshtein，它给出了这个描述

给定一个差异，用数字测量它的 Levenshtein 距离 插入、删除或替换的字符。最小距离 为 0 表示相等，最大距离是 更长的字符串。

在下一行中，您将距离（变化测量）转换为原始字符串长度的百分比，然后从 100 中减去它。

double dsimilarity = 100 - ((double)iIndex / Math.Max(sTexte1.Length, sTexte2.Length) * 100);

所以，是的，这对我来说很好。

我唯一的评论是原始算法使用 0 来表示完美匹配，而您使用的是 100，这可能会造成混淆。如果您对此感到满意，请让您为未来的维护者适当地评论它。