Question

我需要弄清楚特定文件路径的接近程度，Levenshtein距离算法效果很好，但我需要以某种方式对目录树中较高的目录赋予权重。

例如：

我的来源是＆＃34; x：/ t / c / d＆＃34;

我的两个目标是：

＆＃34;：/ T / C / d＆＃34;
＆＃34; X：/ T / Y / Z＆＃34;

我需要第二个目标来识别更近，即使＆＃34;作为一个字符串＆＃34;它的编辑距离更大（因为目标2在同一个父目录中＃34; x＆＃34;作为源，而第一个目标正在查看目录＆＃34; a＆＃34;。

我如何对字符串中较早出现的字符进行加权？

Answer 1

在我看来，完整路径上的 Levenshtein距离并不是您想要实现的目标的正确算法。

我建议你将路径拆分成文件夹列表（最后用文件结尾），然后我会比较相应位置的目录名称（或驱动器），如果它得到高分是一个完美的匹配，当您进一步向下到目录树时降低分数。

如果它不匹配，你仍然可以在路径上应用Levenshtein距离并将其乘以一个会减少的重量，并且你会进一步下降。

总结一下。

例如：

var source = "x:/t/c/d";
var targets = new[] { "a:/t/c/d", "x:/t/y/z" };

var separator = '/';
var sourceParts = source.Split(separator);
var weight = 10;
var match = 100;

var scores = targets.Select(target =>
{
    var score = sourceParts
        .Zip(target.Split(separator), (s, t) => new Tuple<string, string>(s, t))
        .Select(
            (tuple, i) => tuple.Item1 == tuple.Item2
                ? match * GetWeight(i)
                : LevenshteinDistance(tuple.Item1, tuple.Item2) * GetWeight(i)
        ).Sum();

    return new
    {
        Target = target,
        Score = score
    };
});

其中GetWeight（）类似于：

private static int MaxWeight = 10;
private static int GetWeight(int i) => i < MaxWeight ? MaxWeight - i : 1;

Answer 2

如何分割源和目标usind＆＃34; /＆＃34;，然后分别比较它们中的每一个，那样第二个应该是更接近的那个

C＃代码：

        var source = "x:/t/c/d";
        var sourceSplitted = source.Split('/');
        List<string> targets = new List<string>() { "a:/t/c/d", "x:/t/y/z" };

        for (int i = 0; i < sourceSplitted.Length; i++)
        {
            foreach (var item in targets)
            {
                var targetSplitted = item.Split('/');
                // Calculate levenshtein here using sourceSplitted[i] and targetSplitted[i]
            }
        }

Answer 3

建议拆分路径并从后面开始给它一个反向权重，psuedocode将是：

currPath = null
currMin = int.Max


for (path in paths){ 

    var curr = 0

    var idx = 1;

    for ( x in Inverse( Split ( path ) ) ) { 

        curr+= idx * LevenshteinDistance( x )
        idx++;
    }

    if(idx < currMin)
        currPath = path;        
}

对于所有匹配的非常长的路径然后它可能不起作用但这是一个问题，你将遇到任何＆＃34;猜测＆＃34;算法，但类似的东西应该满足你的需求

使用Levenshtein Distance比较文件路径

3 个答案: