找出数组中的序列相似性
Finding out sequence similarity in arrays
我有一个任务,我有三个数组 A、B、C。所有这些都包含相同的数据。为了简单起见,我们假设数据是数字 1 到 5。数据将处于不同的混乱序列中。我想找出 B 和 C 中哪个数组的数据与 A 最相似。
Eg:
A = 1,2,3,4,5
B = 1,2,3,5,4
C = 4,1,2,3,5
在这种情况下,很容易直观地理解B与A更相似。但对于真正混乱的序列,它会变得更加复杂。
Eg:
A = 1,2,3,4,5
B = 5,3,1,4,2
C = 4,1,2,3,5
在这种情况下,我会假设 C 更接近 A。我认为这个假设可以量化为:两个数组中有多少元素具有相同的序列?在上面的示例中,[1,2,3] 的子序列在两个数组中是相同的。第二个问题是相似子序列之间的偏移量差异是多少?在这种情况下它是 1,因为子序列从 A 的索引 0 和 C 的索引 1 开始。
所以匹配序列中的元素数量和它们的偏移量是我想用的。我计划为这两个实体添加权重(匹配序列中的元素数量,以及它们出现时的偏移差异)
这有意义吗?我只需要一个粗略的相似度近似值,结果不需要很精确。是否有任何正式的数学或数据结构模型可以解决这个问题?
顺便说一句,我需要这个实现的项目在PHP。它是否有任何内置函数,如用于字符串差异的 levenstein 模型?
非常欢迎任何建议!
嗯,我想你可以想出你自己的算法(例如生成所有后缀,然后搜索它们,然后定义评分程序)或者你可以使用众所周知的算法,如
Smith-Waterman for local alignment or Needleman-Wunsch 全球。这些算法的优点是它们易于理解,并为您提供所有可能的对齐方式(您可以选择最适合您的情况)。
我有一个任务,我有三个数组 A、B、C。所有这些都包含相同的数据。为了简单起见,我们假设数据是数字 1 到 5。数据将处于不同的混乱序列中。我想找出 B 和 C 中哪个数组的数据与 A 最相似。
Eg:
A = 1,2,3,4,5
B = 1,2,3,5,4
C = 4,1,2,3,5
在这种情况下,很容易直观地理解B与A更相似。但对于真正混乱的序列,它会变得更加复杂。
Eg:
A = 1,2,3,4,5
B = 5,3,1,4,2
C = 4,1,2,3,5
在这种情况下,我会假设 C 更接近 A。我认为这个假设可以量化为:两个数组中有多少元素具有相同的序列?在上面的示例中,[1,2,3] 的子序列在两个数组中是相同的。第二个问题是相似子序列之间的偏移量差异是多少?在这种情况下它是 1,因为子序列从 A 的索引 0 和 C 的索引 1 开始。
所以匹配序列中的元素数量和它们的偏移量是我想用的。我计划为这两个实体添加权重(匹配序列中的元素数量,以及它们出现时的偏移差异)
这有意义吗?我只需要一个粗略的相似度近似值,结果不需要很精确。是否有任何正式的数学或数据结构模型可以解决这个问题?
顺便说一句,我需要这个实现的项目在PHP。它是否有任何内置函数,如用于字符串差异的 levenstein 模型?
非常欢迎任何建议!
嗯,我想你可以想出你自己的算法(例如生成所有后缀,然后搜索它们,然后定义评分程序)或者你可以使用众所周知的算法,如
Smith-Waterman for local alignment or Needleman-Wunsch 全球。这些算法的优点是它们易于理解,并为您提供所有可能的对齐方式(您可以选择最适合您的情况)。