相同长度字符串的最佳字符串匹配算法？答案

【问题标题】：Best way string-matching algorithm for same-length strings?相同长度字符串的最佳字符串匹配算法？
【发布时间】：2010-12-24 01:56:18
【问题描述】：

我需要实现一个字符串匹配算法来确定哪些字符串最匹配。当可以获得这个固定长度时，我看到汉明距离是一个很好的匹配算法。

如果我改用 Levenshtein 距离公式，匹配质量有什么优势吗？我知道这种方法效率较低，因为它考虑了可变长度的字符串，但我在这里真正关心的是匹配的质量。另外，有没有更好的算法我可以考虑？如果这有什么不同，我会在 Java 中工作。

http://en.wikipedia.org/wiki/Levenshtein_distance

http://en.wikipedia.org/wiki/Hamming_distance

非常感谢

【问题讨论】：

您能描述一下您如何评价比赛的质量吗？这是一个主观的衡量标准，所以如果你能描述你的目标，你会得到更好的答案。
对于 2 个字符串，比如 AHDJD 和 KDLOS，我想判断它们彼此之间的“接近”程度。所以 AAAAA 和 AAAAA 将是 100% 匹配。 BAAAA 和 AAAAA 会接近 97%，KAAAA 和 AAAAAA 会接近 93%……BJKDZ 和 AAAAA 几乎不会相似……这有帮助吗？

标签： algorithm string-matching

【解决方案1】：

考虑字符串：“abcdefg”和“bcdefgh”。

Levenshtein 距离是 2。Hamming 距离（作用于字符而不是位）是 7。

因此，这实际上取决于您是否要将这些字符串视为相似。汉明距离有其适当的用途，但是“这些弦看起来会像人类吗？”不是其中之一。

【讨论】：

我明白了。听起来汉明距离已经过时了，因为你的插图让 Levenshtein 看起来更合适。您知道我可能需要考虑的其他算法吗？
你在另一条评论中说你想要 d("aaaaa","kaaaa") > d("aaaaa","baaaa")。 Levenshtein 不这样做，在这两种情况下都是 1。恐怕我不知道任何其他相关的算法。但也许通过将每个字符分解为（例如）2 位块，并计算这些块而不是字符上的 Levenshtein 距离，你可能会得到更接近你想要的东西。但是仍然不对，因为变化 O -> P 比变化 P -> Q 翻转的位数更多。
啊，这个怎么样：你可以计算对应字符之间的均方根距离。 ('a' - 'k')^2 是 100，('a'-'b')^2 只有 1。这意味着“abc”比“amz”更接近“cba” zam”，所以你仍然可能得不到你喜欢的结果。

【解决方案2】：

Bitap algorithm.你可能会觉得有趣

bitap 算法（也称为移位或，移位与或 Baeza-Yates-Gonnet 算法）是一个模糊字符串搜索算法。这算法告诉给定文本是否包含一个子字符串，它是 “大约等于”给定的模式，其中近似相等是根据 Levenshtein 定义 distance — 如果子字符串和模式在给定距离 k 内彼此，然后算法认为他们是平等的。算法首先预先计算一组每个位包含一个位的位掩码图案的元素。然后就是能够完成大部分工作按位运算，它们是非常快。

【讨论】：