是否有一个有效的实现来量化两个字符串之间的相似性？

Question

让我们说我有几个很长的字符串，由完全随机的字符组成。我的目标是将它们的相似性表示为数字中一个指定的主字符串。

例如：12345非常相似23456，但与12abcdef不太相似

假设Java，这种算法是否已经有效实现？ 例如，我认为这可能会做我想要的：https://en.wikipedia.org/wiki/Levenshtein_distance 但我需要一些非常有效的超长弦乐。

Answer 1

标准方式是Levenshtein distance。

Apache commons-lang中有一项实施：StringUtils.getLevenshteinDistance()

Answer 2

我不确定是否有java实现，但你可以在这里找到算法的实现：

http://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Levenshtein_distance#Java

祝你好运：）

Answer 3

不幸的是，“高效”是不可思议的。效率如何？时间 ？记忆？并考虑相似性度量的“质量”？

首先问问自己你想要什么相似性，出于什么目的，允许哪种排列/替换等等，然后你将能够搜索一个“* -efficient”算法来计算适合你的指标。需要

您可以从this paper或this post开始查看差异，或在Google上搜索“字符串相似性指标”。

Answer 4

谷歌搜索似乎为您提供了许多潜在的解决方案。例如，您可以尝试这个：

https://github.com/joewandy/BioinfoApp/blob/master/src/com/joewandy/bioinfoapp/model/stringDistance/LevenshteinDistance.java