Question

在计算编辑距离nltk时，似乎没有正确考虑更改。例如。

edit_distance(('paravati', 'selke', 'vital'), ('paravati', 'selke', 'vital'), transpositions=True)

由于字符串匹配，它返回0。

edit_distance(('paravati', 'selke', 'vital'), ('selke', 'paravati', 'vital'), transpositions=True)

这将返回1，因为启用了换位。其他2

edit_distance(('paravati', 'selke', 'vital'), ('belke', 'paravati', 'vital'), transpositions=True)

之所以返回2，是因为1个换位点和1个换位点。

edit_distance(('paravati', 'selke', 'vital'), ('belke', 'zaravati', 'vital'), transpositions=True)

但是当我将第二个单词的拼写（从p更改为z）时，我仍然得到2的值。由于现在已经更改了2个单词，所以期望值大于2。

换句话说，这两个单词的距离是5，而包含完全相同的单词的元组的距离是3。这似乎是不正确的。

from nltk.metrics import edit_distance

edit_distance('vital', 'vataldedd', transpositions=True)

edit_distance(('paravati', 'selke', 'vital'), ('selke', 'zaravatiasdf', 'vataldedd'), transpositions=True)

此元组比较的预期距离为5或更大。

更新：

我分别比较了所有字符串，得出的总返回值为预期的10。

s1, s2 = ('paravati', 'selke', 'vital'), ('selke', 'zaravatiasdf', 'vataldedd')

final=list()
for i in s1:
    mylist=list()
    for k in s2:
        mylist.append(edit_distance(i, k, transpositions=True))
    final.append(min(mylist))

sum(final)

这种方法正确吗？或者我缺少什么？

Answer 1

函数edit_distance不支持元组计算，期望的输入是一对字符串。从文档中：

:param s1, s2: The strings to be analysed
:param transpositions: Whether to allow transposition edits
:type s1: str
:type s2: str

问题在于该函数不检查值是否为str类型，因此您可以传递任何支持索引的对象，例如tuple或list。当您将一对元组传递给edit_distance时，函数会将元组的每个元素视为基本元素。这就是调用的原因：

d = edit_distance(('paravati', 'selke', 'vital'), ('belke', 'zaravati', 'vital'), transpositions=True)

返回2，因为有两个不同的元素('paravati', 'zaravati'和('selke', 'belke')。要计算一组字符串之间的总编辑距离，您必须将代码包装在一个函数中，如下所示：

def total_edit_distance(s1, s2):
    final = list()
    for i in s1:
        mylist = list()
        for k in s2:
            mylist.append(edit_distance(i, k, transpositions=True))
        final.append(min(mylist))
    return sum(final)

Answer 2

Th edit_distance()函数期望字符串作为输入。只需将每个元组中的子字符串连接成一个字符串即可。

>>> from nltk.metrics import edit_distance

>>> x, y = ('paravati', 'selke', 'vital'), ('belke', 'zaravati', 'vital')
>>> x, y = " ".join(x), " ".join(y)

>>> x
'paravati selke vital'
>>> y
'belke zaravati vital'

>>> edit_distance(x, y)
13

>>> edit_distance(x, y, transpositions=True)
13

nltk编辑距离低于元组的预期距离

2 个答案: