Levenshtein 距离的计算

Question

我不确定这个问题是否重复。但是，我想了解更多关于 R 或 Java 或 Python 中优化的 Levenshtein 距离算法实现的信息。我有一个文本文件，其中逐行包含许多字符串（接近 2000 条记录，如下所示）按字母顺序排列，它们之间可能存在某种相似性。现在，我想比较文件中的所有字符串对并输出距离矩阵。另外，请告诉我如何使用此矩阵根据我的要求过滤设置字符串，例如 LD

如果问题不清楚并且您需要更多信息，请回复我。

Sample Text File
----------------
abc
abcd
abe
bac
bad
back
blade
cub
cube
cute
dump
duke

Answer 1

所以这可以通过稍微颠倒的方式来完成。创建您的字典d = {word:[] for word in file}。现在：

for word in d:
    for neighbor in edit_distance_1(word):
        if neighbor in d:
            d[word].append(neighbor)

现在d 将是所有单词到其edit-distance-1 邻居的图表。您可以进一步追踪这些边缘以获得编辑距离 2 个单词（通过其他单词），我相信这就是您想要的。