Question

我有一个Scala代码，用于计算一组字符串之间的相似性，并提供所有唯一字符串。

val filtered = z.reverse.foldLeft((List.empty[String],z.reverse)) {
    case ((acc, zt), zz) =>
      if (zt.tail.exists(tt => similarity(tt, zz) < threshold)) acc 
      else zz :: acc, zt.tail
  }._1

我会试着解释一下这里发生了什么：

这使用了反转输入数据的折叠，从空字符串（累积结果）和剩余输入数据（反向）开始（比较 - 我将其标记为zt为“z-tail”）。

然后折叠循环遍历数据，检查每个条目与剩余数据的尾部（因此它不会与自身或任何早期条目进行比较）

如果匹配，则只允许通过现有累加器（标记为acc），否则，将当前条目（zz）添加到累加器。这个更新的累加器与“剩余”字符串（zt.tail）的尾部配对，以确保要比较的缩减集。

最后，我们最终得到一对列表：所需的剩余字符串和一个空列表（没有字符串可供比较），因此我们将第一个作为结果。

问题就像在第一次迭代中一样，如果第1，第4和第8个字符串相似，我只得到第一个字符串。而不是它，我应该得到一组（第1，第4，第8），然后如果第2，第5，第14和第21弦相似，我应该得到一组（第2，第5，第14，第21）。

Answer 1

如果我理解正确 - 你希望结果是List[List[String]]类型，而不是你现在得到的List[String] - 每个项目都是类似字符串的列表（对吗？）。 / p>

如果是这样 - 我无法看到对您的实现进行微不足道的更改，因为相似的值丢失（当您输入if（true）分支并返回时） acc - 你跳过一个项目，你永远不会再看到＃34;

我能想到的两种可能的解决方案：

根据您的想法，但使用(acc, zt, scanned)形式的3-Tuple作为foldLeft结果类型，其中添加的scanned是已扫描的列表项目。这样我们就可以在找到一个不具有类似元素的元素时再引用它们：

val filtered = z.reverse.foldLeft((List.empty[List[String]],z.reverse,List.empty[String])) {
  case ((acc, zt, scanned), zz) =>
    val hasSimilarPreceeding = zt.tail.exists { tt => similarity(tt, zz) < threshold }
    val similarFollowing = scanned.collect { case tt if similarity(tt, zz) < threshold => tt }
    (if (hasSimilarPreceeding) acc else (zz :: similarFollowing) :: acc, zt.tail, zz :: scanned)
}._1

一个可能更慢但更简单的解决方案就是groupBy类似的字符串组：

val alternative = z.groupBy(s => z.collect { 
  case other if similarity(s, other) < threshold => other 
}.toSet ).values.toList

所有这些假设函数：

f(a: String, b: String): Boolean = similarity(a, b) < threshold

具有交换性和传递性，即：

f(a, b) && f(a. c)表示f(b, c)
f(a, b)当且仅当f(b, a)

测试我使用的两种实现：

// strings are similar if they start with the same character
def similarity(s1: String, s2: String) = if (s1.head == s2.head) 0 else 100

val threshold = 1
val z = List("aa", "ab", "c", "a", "e", "fa", "fb")

这两个选项产生相同的结果：

List(List(aa, ab, a), List(c), List(e), List(fa, fb))

Scala字符串相似性

1 个答案: