Levenshtein 比较字符串而不改变数字

Question

我正在寻找一种方法来查找相似的符号名称，其中这些名称通常是文本和数字的组合，例如 "value1"、“_value2”、"test_5" 等

为了找到相似的名称，我尝试使用 Levenshtein 距离，但对于该算法，“_value1”和“.value1”之间的差异与“_value1”和“_value8”相同。有没有办法在不允许更改数字的情况下比较字符串？

我目前使用的代码来自http://www.dotnetperls.com/levenshtein

提前致谢！

Answer 1

您可以为任何涉及数字的不等比较提供非常高的距离，例如 200。这将使“_text1”和“.text1”之间的距离保持为 1（相似），但距离为 200（非常"text1" 和 "text10".

之间不相似）

您可以通过更改第二步来做到这一点...

// Step 2
d[0, 0] = 0;

for (int i = 1; i <= n; i++);
{
    if('0' <= s[i - 1] && s[i - 1] <= '9')
        d[i, 0] = d[i-1, 0] + 200;
    else
        d[i, 0] = d[i-1, 0] + 1;
}


for (int j = 1; j <= m; j++)
{
    if('0' <= t[j - 1] && t[j - 1] <= '9')
        d[0, j] = d[0, j-1] + 200;
    else
        d[0, j] = d[0, j-1] + 1;
}

...还有五个...

// Step 5
int cost = (t[j - 1] == s[i - 1]) ? 0 : 1;
if(('0' <= t[j - 1] && t[j - 1] <= '9') ||
    '0' <= s[i - 1] && s[i - 1] <= '9'))
        cost *= 200;

Answer 2

关于Kittsil的回答，这是我的完整解决方案。我不确定它是否完全正确，但它似乎对我有用。

        ushort n = (ushort)s.Length;
        ushort m = (ushort)t.Length;
        ushort[,] d = new ushort[n + 1, m + 1];

        // Step 1
        if (n == 0)
        {
            return m;
        }

        if (m == 0)
        {
            return n;
        }

        // Step 2
        d[0, 0] = 0;
        for (int i = 1; i <= n; i++)
        {
            if ('0' <= s[i - 1] && s[i - 1] <= '9')
                d[i, 0] = (ushort)(d[i - 1, 0] + 200);
            else
                d[i, 0] = (ushort)(d[i - 1, 0] + 1);
        }


        for (int j = 1; j <= m; j++)
        {
            if ('0' <= t[j - 1] && t[j - 1] <= '9')
                d[0, j] = (ushort)(d[0, j - 1] + 200);
            else
                d[0, j] = (ushort)(d[0, j - 1] + 1);
        }

        // Step 3
        for (int i = 1; i <= n; i++)
        {
            //Step 4
            for (int j = 1; j <= m; j++)
            {
                // Step 5
                bool isIdentical = t[j - 1] == s[i - 1];
                bool isNumber = ('0' <= t[j - 1] && t[j - 1] <= '9') || ('0' <= s[i - 1] && s[i - 1] <= '9');

                int cost1 = isIdentical ? 0 : (isNumber ? 200 : 1);
                int cost2 = isNumber ? 200 : 1;

                // Step 6
                d[i, j] = (ushort)(Math.Min(Math.Min(d[i - 1, j] + cost2, d[i, j - 1] + cost2), d[i - 1, j - 1] + cost1));
            }
        }
        // Step 7
        return d[n, m];

Levenshtein 比较字符串而不改变数字

Levenshtein compare strings without changing numbers

c#

levenshtein-distance