Question

在difflib.get_close_matches(word, possibilities[, n][, cutoff])中，我在这里使用了cutoff。它如何影响单词匹配？

Answer 1

可选参数cutoff（默认0.6）是float范围内的[0, 1]。不会得到至少与单词类似的得分的可能性将被忽略。

尝试文档中的示例：

In [11]: import difflib

In [12]: difflib.get_close_matches('appel', ['ape', 'apple', 'peach', 'puppy'])
Out[12]: ['apple', 'ape']

In [13]: difflib.get_close_matches('appel', ['ape', 'apple', 'peach', 'puppy'], cutoff=0.1)
Out[13]: ['apple', 'ape', 'puppy']

In [14]: difflib.get_close_matches('appel', ['ape', 'apple', 'peach', 'puppy'], cutoff=0.9)
Out[14]: []

有关该算法的详细信息，请参阅文章"Pattern Matching: The Gestalt Approach"。

Answer 2

我遇到了同样的问题，我发现＆＃34; difflib.get_close_matches＆＃34;作为基础，使用被称为“格式塔模式匹配”的方法。由Ratcliff和Obershelp描述（链接如下）。

方法＆＃34; difflib.get_close_matches＆＃34;它基于类＆＃34; SequenceMatcher＆＃34;，它在源代码中指定：＆＃34; SequenceMatcher是一个灵活的类，用于比较任何类型的序列对，只要序列元素是可清除的。基本算法比1980年代后期由Ratcliff和Obershelp以双曲线名称＆＃34;格式塔模式匹配＆＃34;发布的算法更早，并且更加迷人。基本思想是找到最长的连续匹配子序列，其中不包含＆＃34; junk＆＃34;元素（R-O不解决垃圾问题）。然后，相同的想法被递归地应用于匹配子序列的左侧和右侧的序列片段。这不会产生最小的编辑序列，但确实会产生与＃34;看起来正确的匹配＃34;对人们而言。＆＃34;

关于＆＃34;截止＆＃34;。如果＆＃34; 1＆＃34;这会告诉您如何找到匹配的距离。然后它需要是完全相同的单词，随着它的下降，它会更放松。例如，如果你选择＆＃34; 0＆＃34;它肯定会让你回归最多＆＃34;类似的＆＃34;工作无论你没有任何类似的工作，所以这对大多数情况都没有多大意义。然后＆＃34; 0.6＆＃34;默认情况下，因为这可以产生重大结果，但它取决于任何特定的解决方案，您需要根据您的词汇和特定场景测试它适用于您的工作。

模式匹配：GESTALT方法 http://collaboration.cmc.ec.gc.ca/science/rpn/biblio/ddj/Website/articles/DDJ/1988/8807/8807c/8807c.htm

希望这有助于您理解＆＃34; difflib.get_close_matches＆＃34;更好。

在python中difflib.get_close_matches示例中使用cutoff参数是什么？

2 个答案: