字符串与最相似的字符串比较

Question

有没有人知道如果存在给定一个字符串A和一个字符串B数组的算法，将A字符串与B中的所有字符串进行比较，使输出中的字符串最相似。

对于“最相似的”，我的意思是，例如，

如果A字符串是：“hello world你好吗”

然后

“asdf asdewr你好世界如何asfrqr你”

比以下更相似：

“h2ll4 w1111 h11 111 111”

Answer 1

通常的衡量标准是Levenshtein distance。计算从原始距离到每个候选者的Levenshtein距离，并将最小距离作为最可能的候选者。

Answer 2

定义相似性。可以做到这一点的算法包括：

1. Levenshtein / LCS / n-gram距离（将字符串与集合中的每个字符串进行比较，取最小距离的字符串）
2. tf-idf indexing
3. Levenshtein automata
4. Hopfield networks
5. BK-trees

所有这些都可以通过C或C ++实现。 Google可用指标和算法的“字符串相似性”，“重复查找”或“记录链接”。

Answer 3

这通常是通过检查您拥有的字符串的一堆变体来完成的...看一下拼写校正算法 - 例如here