[北京飞鸟mip便宜]Seo积分级数的C#string相似性算法-levenshtein距离法

从：http://www.lingdonge.com/seo/672.html

字符串相似性算法也称为levenshtein距离算法），

判断两个字符串之间的相似程度是一件事。它在搜索引擎和验证代码识别**别有用。

例如，我们使用收集来处理文章。您可以使用关键字进行相似性判断，并找到匹配度最高的文章进行收集。等等。

请参阅下面的其他博客文章

编辑距离Levenshtein距离（也称为编辑距离）是指两个字符串之间从一个转换到另一个所需的最小编辑操作数。距离越大，它们就越不同。许可的编辑操作包括用另一个字符替换一个字符，插入一个字符并删除一个字符。

例如，将kitten转换为坐姿：

Sitten（K→S）

Sittin（e→I）

坐（→G）

俄罗斯科学家Vladimir levenshtein于1965年提出了这一概念。因此，它也被称为levenshtein距离。

例如

• 如果str1="Ivan"，str2="Ivan"，则计算值为0。没有转换。相似性=1-0/数学。Max（str1.length，str2.length）=1
• 如果str1="ivan1"，str2="ivan2"，则计算后等于1。Str1's"1"转换"2"，转换一个字符，所以距离为1，相似度=1-1/Math。Max（str1.length，str2.length）=0.8

申请

DNA分析

拼写检查

语音识别

抄袭检测

小规模字符串近似搜索，类似于搜索引擎输入关键字，出现类似的结果列表

算法过程

1. str1或str2的长度为0并返回另一个字符串的长度。如果（str1.length=0）返回str2.length;如果（str2.length=0）返回str1.length;
2. 初始化（n+1）*（m+1）矩阵D并将第一行和第列的值从0增加。
3. 扫描两个字符串（N*m）。如果str1[I]=str2北京飞鸟mip便宜[J]，请使用temp将其记录为0。否则，温度值为1。然后在分配给D[I-1，j]+1的矩阵D[I，j]中，D[I，j-1]+1，D[I-1，j-1]+温度最小值三。
4. 扫描后，返回矩阵的最后一个值D[N北京飞鸟mip便宜][m]是它们的距离。

相似度计算公式：1-它们的距离/两个字符串的最大长度北京飞鸟mip便宜。

为了直觉，我分别为行和列写两个字符串，这在实际计算中是不需要的。让's采取字符串"ivan1"和"ivan2"作为示例来查看矩阵中的中位数：

1. 第一行和第一列的值从0增加。

2. 矩阵[I-1，J]+1;矩阵[I，J-1]+1;矩阵[I-1，J-1]+T

3. 生成列v值

等，直到生成所有矩阵为止。

它们之间的距离是1。

相似性：1-1/数学。Max（"ivan1"。长度，"ivan2"。长度）0.8 87

下面是核心类库：

公共类levenshteindistance{Private Static levenshteindistance实例=NULL;公共静态levenshteindistance实例{get{If（实例=空）{return New levenshteindistance（）;}return实例;}//
///获取最小的单位数字。///
///
//
该算法实际上非常简单。
调用方法如下：
静态空白主（字符串[]ARGs）{string str1="ivan1";string str2="ivan2";控制台。writeline（"字符串1{0}"，str1）;控制台。writeline（"字符串2{0}"，str2）;控制台。writeline（"similarity{0}%"，new levenshteindistance（）。levenshteindistancepercent（str1，str2）*100）;控制台。readline（）;}
成都徐五认为。核心是，我们深入研究了百度等搜索中常用的一些算法知识gines，这对于理解搜索引擎的操作和制定合理的Seo关键字解决方案非常有益。
成都徐晓武两句话：这篇文章很难出去（成都徐第五）。重新定位成都原来的第五名。请保留链接：Seo集成系列中的C#string相似性算法，3q
 

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。如若转载，请注明出处:http://www.botadmin.cn/sylc/4802.html