Question

使用php代码找到两个字符串之间的百分比似乎很容易，我只是使用

int similar_text ( string $first , string $second [, float &$percent ]

但假设我有两个字符串，例如：

1-在药物测试失败后，赞助商退回莎拉波娃

2-玛丽亚莎拉波娃在澳大利亚网球公开赛上未通过毒品测试

使用similar_text工具，我得到了53.7％，但它没有任何意义，因为两个字符串正在谈论“Sharapova”的“药物测试失败”，百分比应该超过53.7％。

我的问题是：有没有办法找到两个字符串之间真正的相似百分比？

Answer 1

我已经实现了几种搜索重复项的算法，它们非常相似。

我通常使用的方法如下：

规范化字符串
使用比较算法（例如similar_text，levenshtein等）

在我看来，在实施步骤1）时，您将能够大大改善您的结果。

标准化算法的例子（我使用＆＃34;赞助商在药物测试失败后退回莎拉波娃＆＃34;详情）：

1）小写字符串

- ＆GT; ＆＃34;赞助商在药物测试失败后退回莎拉波娃＆＃34;

2）在单词中爆炸字符串

- ＆GT; [赞助商，回来，离开，离开，莎拉波娃，之后，失败，吸毒，测试]

3）删除嘈杂的单词（如命题，例如in，for，that，this等）。此步骤可根据您的需求进行定制

- ＆GT; [赞助商，莎拉波娃，失败，药物，测试]

4）按字母顺序对数组进行排序（可选，但这可以帮助实现算法...）

- ＆GT; [药物，失败，莎拉波娃，赞助商，测试]

将相同的算法应用于其他字符串，您将获得：

[澳大利亚，毒品，失败，玛丽亚，开放，莎拉波娃，测试]

这将帮助您详细说明一个聪明的算法。例如：

对于第一个字符串中的每个单词，搜索第二个字符串中单词的最高相似度
累积最高相似度
将累计的相似度除以单词数


    $words1 = ['drug', 'failed', 'sharapova', 'sponsors', 'test'];
    $words2 = ['australian', 'drugs', 'failed', 'maria', 'open', 'sharapova', 'test'];
    $nbWords1 = count($words1);
    $stringSimilarity = 0;

    foreach($words1 as $word1){
        $max = null;
        $similarity = null;
        foreach($words2 as $word2){
            similar_text($word1, $word2, $similarity);
            if($similarity > $max){ //1)
                $max = $similarity;
            }
        }
        $stringSimilarity += $max; //2)
    }
    var_dump(($stringSimilarity/$nbWords1)); //3)

运行此代码将为您提供84.83660130719。不错，我想^^。我相信这个算法可以进一步完善，但这是一个好的开始......在这里，我们基本上计算每个单词的平均相似百分比，你可能想要一个不同的最终方法......根据你的需要调整; - ）

php中的类似文本百分比

1 个答案: