詳解Python 字符串相似性的幾種度量方法
字符串的相似性比較應(yīng)用場合很多，像拼寫糾錯(cuò)、文本去重、上下文相似性等。
評價(jià)字符串相似度最常見的辦法就是：把一個(gè)字符串通過插入、刪除或替換這樣的編輯操作，變成另外一個(gè)字符串，所需要的最少編輯次數(shù)，這種就是編輯距離（edit distance）度量方法，也稱為Levenshtein距離。海明距離是編輯距離的一種特殊情況，只計(jì)算等長情況下替換操作的編輯次數(shù)，只能應(yīng)用于兩個(gè)等長字符串間的距離度量。
其他常用的度量方法還有 Jaccard distance、J-W距離（Jaro–Winkler distance）、余弦相似性（cosine similarity）、歐氏距離（Euclidean distance）等。
python-Levenshtein 使用
使用 pip install python-Levenshtein 指令安裝 Levenshtein
# -*- coding: utf-8 -*- import difflib # import jieba import Levenshtein str1 = "我的骨骼雪白 也長不出青稞" str2 = "雪的日子 我只想到雪中去si" # 1. difflib seq = difflib.SequenceMatcher(None, str1,str2) ratio = seq.ratio() print 'difflib similarity1: ', ratio # difflib 去掉列表中不需要比較的字符 seq = difflib.SequenceMatcher(lambda x: x in ' 我的雪', str1,str2) ratio = seq.ratio() print 'difflib similarity2: ', ratio # 2. hamming距離，str1和str2長度必須一致，描述兩個(gè)等長字串之間對應(yīng)位置上不同字符的個(gè)數(shù) # sim = Levenshtein.hamming(str1, str2) # print 'hamming similarity: ', sim # 3. 編輯距離，描述由一個(gè)字串轉(zhuǎn)化成另一個(gè)字串最少的操作次數(shù)，在其中的操作包括 插入、刪除、替換 sim = Levenshtein.distance(str1, str2) print 'Levenshtein similarity: ', sim # 4.計(jì)算萊文斯坦比 sim = Levenshtein.ratio(str1, str2) print 'Levenshtein.ratio similarity: ', sim # 5.計(jì)算jaro距離 sim = Levenshtein.jaro(str1, str2 ) print 'Levenshtein.jaro similarity: ', sim # 6. Jaro–Winkler距離 sim = Levenshtein.jaro_winkler(str1 , str2 ) print 'Levenshtein.jaro_winkler similarity: ', sim
輸出：
difflib similarity1: 0.246575342466
difflib similarity2: 0.0821917808219
Levenshtein similarity: 33
Levenshtein.ratio similarity: 0.27397260274
Levenshtein.jaro similarity: 0.490208958959
Levenshtein.jaro_winkler similarity: 0.490208958959
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
在python列表操作中除了排序、刪除、添加、去重外,合并也是經(jīng)常需求的操作,下面這篇文章主要給大家介紹了關(guān)于Python中合并列表的5種方法,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2024-02-02
python實(shí)現(xiàn)微信機(jī)器人： 登錄微信、消息接收、自動回復(fù)功能
這篇文章主要介紹了python實(shí)現(xiàn)微信機(jī)器人： 登錄微信、消息接收、自動回復(fù)功能，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-04-04
這篇文章主要介紹了Python 如何在局部變量域中執(zhí)行代碼，幫助大家更好的理解和學(xué)習(xí)Python，感興趣的朋友可以了解下2020-08-08
python中的內(nèi)置函數(shù)getattr()介紹及示例
其實(shí)getattr()這個(gè)方法最主要的作用是實(shí)現(xiàn)反射機(jī)制。也就是說可以通過字符串獲取方法實(shí)例。這樣，你就可以把一個(gè)類可能要調(diào)用的方法放在配置文件里，在需要的時(shí)候動態(tài)加載。2014-07-07
簡單說,閉包就是根據(jù)不同的配置信息得到不同的結(jié)果。再來看看專業(yè)的解釋:閉包（Closure）是詞法閉包（Lexical Closure）的簡稱，是引用了自由變量的函數(shù)。這個(gè)被引用的自由變量將和這個(gè)函數(shù)一同存在，即使已經(jīng)離開了創(chuàng)造它的環(huán)境也不例外。2015-07-07
python通過cmd創(chuàng)建虛擬環(huán)境的實(shí)現(xiàn)(pip方式)
Python的虛擬環(huán)境是正常的現(xiàn)實(shí)環(huán)境相對應(yīng)的,在虛擬環(huán)境中安裝的包是與現(xiàn)實(shí)環(huán)境隔離的,本文主要介紹了python通過cmd創(chuàng)建虛擬環(huán)境的實(shí)現(xiàn),感興趣的可以了解一下2023-11-11
這篇文章主要介紹了Python運(yùn)算符+與+=的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
這篇文章主要介紹了用1行Python代碼識別身份證信息實(shí)例的相關(guān)資料,需要的朋友可以參考下2023-01-01
這篇文章主要介紹了python自動化測試實(shí)例,并對實(shí)例中的注意點(diǎn)進(jìn)行了簡單的分析,需要的朋友可以參考下2014-09-09
Python 12306搶火車票腳本 Python京東搶手機(jī)腳本
這篇文章主要為大家詳細(xì)介紹了Python 12306搶火車票腳本和Python京東搶手機(jī)腳本，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-02-02