Question

我在SO / elotherwhere上看到了很多类似的问题，但是没有一个答案能完全满足我的需求，所以我不认为这是一个重复。

此外，我完全知道自己如何实现此目的，但我试图不必重新发明轮子。

是否有人知道可以执行levenshtein /其他编辑距离的python软件包，它比较了2个单词列表（我发现了几个），但也允许其中一个指定您自己的插入，删除，替换和换位费用？

基本上，我希望计算的距离是对句子中单词的编辑次数，而不是对句子所不同的字符数。

我正在尝试使用python2的C api替换实际上是用C编写的自定义python扩展模块。我可以用纯python或cython重写，但我只想向项目添加一个依赖项。唯一的问题是，该代码允许您为各种选项指定您自己的费用，而到目前为止，我还没有找到一个允许这样做的软件包。

Answer 1

NLTK具有名为edit_distance的功能。它计算两个琴弦之间的Levenshtein距离。但它也适用于字符串列表：

library(shiny)
library(highcharter)


data(fdeaths)
data(mdeaths)


ui <- fluidPage(
  highchartOutput('f_plot'),
  highchartOutput('m_plot')
)


server <- function(input, output, session) {

  output$f_plot <- renderHighchart(
    highchart(type = 'stock') %>% 
      hc_add_series(fdeaths) %>% 
      hc_xAxis(
        events = list(
          afterSetExtremes = JS("function(e) {
            Highcharts.charts[0].xAxis[0].setExtremes(e.min, e.max);
          }")
        )
      )
    )

  output$m_plot <- renderHighchart(
    highchart(type = 'stock') %>% 
      hc_add_series(mdeaths) %>% 
      hc_xAxis(
        events = list(
          afterSetExtremes = JS("function(e) {
            Highcharts.charts[1].xAxis[0].setExtremes(e.min, e.max);
          }")
        )
      )
  )

}


shinyApp(ui, server)

import nltk

s1 = 'WAKA WAKA QB WTF BBBQ WAKA LOREM IPSUM WAKA'.split()
s2 = 'WAKA OMFG QB WTF WAKA WAKA LOREM IPSUM WAKA'.split()
print(s1)
print(s2)
print(nltk.edit_distance(s1, s2))

Answer 2

这是一个据说速度很快的库，可以计算各种类型的词距，包括 Levenshtein：

https://pypi.org/project/python-Levenshtein/

你还应该尝试汉明距离，比 Levenshtein 更少的内存和时间。

寻找可以在单词级别执行levenshtein /其他编辑距离的python库

2 个答案: