编辑距离，例如 Levenshtein，考虑到键盘上的接近度答案

【问题标题】：Edit distance such as Levenshtein taking into account proximity on keyboard编辑距离，例如 Levenshtein，考虑到键盘上的接近度
【发布时间】：2015-03-24 13:27:04
【问题描述】：

是否存在考虑替换距离的编辑距离，例如 Levenshtein？

例如，如果我们考虑单词是否相等，typo 和 tylo 非常接近（p 和 l 在键盘上物理上接近），而 typo 和 tyqo 是离的远。我想为更可能的错别字分配更小的距离。

必须有一个衡量这种混合性的指标吗？

【问题讨论】：

你的意思是Damerau-Levenshtein？
我看到了，但没有意识到“相邻字符的换位”实际上是我的意思。虽然我想我不仅在寻找相邻的字符，而且更多的是二次加权距离（不仅是相邻的）谢谢！
我认为该方案中的相邻是指转换单词中相邻的字符（例如，want vs wnat），而不是键盘上的相邻字符。
@JRichardSnape “情节扭曲”确实....
您是否尝试将 Damerau-Levenshtein（或替换，如果您真的只想考虑键盘“未命中”）与@marmeladze 答案中建议的某种欧几里得距离相结合？似乎是找我的方法，还是有更多需要考虑/对你不起作用？

标签： python levenshtein-distance

【解决方案1】：

你问的那种距离不包括在 levenshtein 中 - 但你应该使用像欧几里得或曼哈顿距离这样的助手来获得结果。我的简单假设是，q（英文 qwerty 布局) 是笛卡尔坐标 (y=0; x=0) 因此，w 将是 (y=0; x=1) 等等。 whole list here

keyboard_cartesian= {
                     'q': {'y': 0, 'x': 0},
                     'w': {'y': 0, 'x': 1},
                     'e': {'y': 0, 'x': 2},   
                     'r': {'y': 0, 'x': 3},    
                      # ...
                     'a': {'y': 1, 'x': 0}, 
                      #...
                     'z': {'y': 2, 'x': 0},
                     'x' : {'x':1, 'y':2},
                      #   
                     }

假设，单词 qaz 有一个含义。 qaz 与 waz 和 eaz 之间的 levenshtein 距离为 1。要检查哪个拼写错误的可能性更大，取差值（此处为 (q,w) 和 (q,e)）并计算欧几里得距离

>>> from math import *
>>> def euclidean_distance(a,b):
...     X = (keyboard_cartesian[a]['x']-keyboard_cartesian[b]['x'])**2
...     Y = (keyboard_cartesian[a]['y']-keyboard_cartesian[b]['y'])**2
...     return sqrt(X+Y)
... 
>>> euclidean_distance('q', 'w')
1.0 
>>> euclidean_distance('q', 'e')
2.0

这意味着 qaz 拼写错误，因为 waz 比 qaz 更容易拼写为 eaz。

【讨论】：

【解决方案2】：

http://www.melissadata.com/webhelp/ssis/updated/Components/Fuzzy_Match/Algorithms.htm 提到：“Needleman-Wunsch - Levenshtein 算法的一种变体。Levenshtein 和 Needleman-Wunsch 是相同的，只是字符错误根据标准键盘布局上两个字符的距离赋予不同的权重. 例如：A 到 S 的错误权重为 0.4，而 A 到 D 为 0.6，A 到 P 为 1.0" 但Needleman-Wunsch Wikipedia article 没有提及键盘布局接近度...但也许你应该调查一下。

【讨论】：