规范化编辑距离

Question

我有一个问题，我们可以通过将e.d值除以两个字符串的长度来规范levenshtein编辑距离吗？ 我问这个是因为，如果我们比较两个长度不等的字符串，那么两个长度之间的差异也将被计算在内。 例如： ed（＆＃39;有一个＆＃39;，＆＃39;有一个球＆＃39;）= 4和ed（＆＃39;有一个＆＃39;，＆＃39;有一个球是圆的＆＃39; ;）= 15。 如果我们增加字符串的长度，编辑距离将增加，即使它们是相似的。 因此，我无法设置一个值，应该是一个好的编辑距离值。

Answer 1

是的，规范化编辑距离是将字符串之间的差异放在单个等级上的一种方法，而不是＃34;相同的＆＃34;没有任何共同之处＆＃34;。

需要考虑的一些事项：

1. 归一化距离是否更好地衡量字符串之间的相似性取决于应用程序。如果问题是＆＃34;这个词有多大可能是这个词的拼写错误？＆＃34;，规范化是一种方法。如果自上一版本以来该文档发生了多大变化？＆＃34;，原始编辑距离可能是更好的选择。
2. 如果您希望结果位于[0, 1]范围内，则需要将距离除以两个给定长度的字符串之间的最大可能距离。也就是说，LCS distance为length(str1)+length(str2)，Levenshtein distance为max(length(str1), length(str2))。
3. 规范化距离不是指标，因为它违反了triangle inequality。

Answer 2

我成功使用了以下内容：

len = std::max(s1.length(), s2.length());
// normalize by length, high score wins
fDist = float(len - levenshteinDistance(s1, s2)) / float(len);

然后选择最高分。 1.0表示完全匹配。