Levenshtein Distance 编辑距离

参考资料:
算法实现:Levenshtein Distance, in Three Flavors
原理:wiki-Levenshtein distance

该距离是俄罗斯科学家Vladimir Levenshtein在1965年发明的,也叫做编辑距离(实际上编辑距离代表一大类算法),距离代表着从s到t需要删、插、代替单个字符的最小步骤数。
主要应用:

  • Spell checking 检查拼写
  • Speech recognition 语音识别
  • DNA analysis DNA分析
  • Plagiarism detection 检测抄袭

主要原理(理解下面的公式):
ai跟bj之间的变化差距可以有很多种方法,这里限定最后一个字符ai和bj最后一个变化。可以删除其中一个,然后交给下一次去变化,这里包含了min里面的前两个;可以变换最后一个相等,交给下一次去变化,最后一个相等的情况下,这里也可以不变。


自己实现的:

import my_common


@my_common.print_result_after
def levenshtein_distance(str1,str2):
    matrix_width = len(str1) + 1
    matrix_height = len(str2) + 1
    matrix = [[0] * matrix_width for i in range(matrix_height)]

    # 初始化
    for i in range(matrix_width):
        matrix[0][i] = i

    for j in range(matrix_height):
        matrix[j][0] = j

    for i in range(1, matrix_height):
        for j in range(1, matrix_width, ):
            if str1[j - 1] == str2[i - 1]:
                cost = 0
            else:
                cost = 1
            try:
                a = matrix[i - 1][j] + 1
                b = matrix[i][j - 1] + 1
                c = matrix[i - 1][j - 1] + cost

                matrix[i][j] = min(a, b, c)
            except Exception as e:
                print(e)
                print('{}-{}'.format(i, j))
    print(matrix)
    return matrix[-1][-1]


# 递归版本
@my_common.print_result_after
def levenshtein_distance2(str1,str2):
    width = len(str1) + 1
    height = len(str2) + 1
    mat = [[-1]*width for _ in range(height)]

    def levenshtein_distance2_1(i, j):
        # 这个是为了递归的时候避免重复计算
        if mat[i][j] != -1:
            return mat[i][j]

        if i == 0:
            mat[i][j] = j
        elif j == 0:
            mat[i][j] = i
        else:
            if str2[i-1] == str1[j-1]:
                cost = 0
            else:
                cost = 1

            mat[i][j] = min(levenshtein_distance2_1(i-1,j)+1, levenshtein_distance2_1(i,j-1) + 1,
                            levenshtein_distance2_1(i - 1, j - 1) + cost)

        return mat[i][j]

    levenshtein_distance2_1(height-1,width-1)
    print(mat)
    return mat[-1][-1]


def main():
    str1 = 'hello'
    str2 = 'ello'
    # [[0, 1, 2, 3, 4, 5], [1, 1, 1, 2, 3, 4], [2, 2, 2, 1, 2, 3], [3, 3, 3, 2, 1, 2], [4, 4, 4, 3, 2, 1]]
    # 1
    levenshtein_distance2(str1,str2)


if __name__ == '__main__':
    main()

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,717评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,501评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,311评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,417评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,500评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,538评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,557评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,310评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,759评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,065评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,233评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,909评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,548评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,172评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,420评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,103评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,098评论 2 352