获得两个文本的相似性百分比

Question

当一个人在第二个文本中时，我需要获得文本之间相似性的分数。

例如：

Text1: aaa bbb ccc ddd eee
Text2: bbb ccc

我需要一些事情说我，Text2在Text1中是100％。有没有办法做到这一点？

Answer 1

根据您的需要，您可以尝试

• 两个文本的最长公共子序列的长度除以text2的长度
• 或两个文本的最长连续子序列的长度也除以text2的长度

如果文本完全位于text1内，则两者都会给出1;如果不共享公共字符，则两者都会给出0。

Answer 2

你没有Lucene来获得文本之间的相似性。根据文本长度，字符串类型等，有几种可用的测量方法，你需要进行实验，以获得最佳效果。

SimMetrics提供了一个非常好且全面的算法集合，它是一个F / OSS库，提供了大量的相似性算法及其相应的成本函数。

Answer 3

请参阅书籍Mining of Massive Datasets和Dekang Lin's definition of similarity (PDF)。两者都不需要Lucene。