一、莱文斯坦(相似度)算法
使用Levenshtein(莱文斯坦)编辑距离来实现相似度算法 所谓Levenshtein距离,是指两个字串之间,由一个转成另一个所需的最少编辑操作次数,操作包括一切你使用的手段将一个字符串转换成另一个字符串,比如插入一个字符、删除一个字符..等等;操作次数越少,说明两个字符串距离Levenshtein Distance越小,表示两个字符串越相似。
二、具体实现
/** * 相似度算法 */
public class LevenshteinAlgorithm {
public static void main(String[] args) {
//要比较的两个字符串
String[] str1 = {
"今天星期四","12345667890"};
String[] str2 = {
"今天是星期五","1234567890"};
for(int i=0;i<str1.length;i++){
levenshtein(str1[i],str2[i]);
}
}
/**
* DNA分析 拼字检查 语音辨识 抄袭侦测
*
*/
public static void levenshtein(String str1,String str2) {
//计算两个字符串的长度。
int len1 = str1.length();
int len2 = str2.length();
//建立上面说的数组,比字符长度大一个空间
int[][] dif = new int[len1 + 1][len2 + 1];
//赋初值,步骤B。
for (int a = 0; a <= len1; a++) {
dif[a][0] = a;
}
for (int a = 0; a <= len2; a++) {
dif[0][a] = a;
}
//计算两个字符是否一样,计算左上的值
int temp;
for (int i = 1; i <= len1; i++) {
for (int j = 1; j <= len2; j++) {
if (str1.charAt(i - 1) == str2.charAt(j - 1)) {
temp = 0;
} else {
temp = 1;
}
//取三个值中最小的
dif[i][j] = min(dif[i - 1][j - 1] + temp, dif[i][j - 1] + 1,
dif[i - 1][j] + 1);
}
}
System.out.println("字符串\""+str1+"\"与\""+str2+"\"的比较");
//取数组右下角的值,同样不同位置代表不同字符串的比较
System.out.println("差异步骤:"+dif[len1][len2]);
//计算相似度
float similarity =1 - (float) dif[len1][len2] / Math.max(str1.length(), str2.length());
System.out.println("相似度:"+getPercentValue(similarity));
}
public static String getPercentValue( float similarity){
NumberFormat fmt = NumberFormat.getPercentInstance();
fmt.setMaximumFractionDigits(2);//最多两位百分小数,如25.23%
return fmt.format(similarity);
}
//得到最小值
private static int min(int... is) {
int min = Integer.MAX_VALUE;
for (int i : is) {
if (min > i) {
min = i;
}
}
return min;
} }
三、运行结果
字符串"今天星期四"与"今天是星期五"的比较
差异步骤:2
相似度:66.67%
字符串"12345667890"与"1234567890"的比较
差异步骤:1
相似度:90.91%
下载源码完整项目http://www.zrscsoft.com/sitepic/12050.html