走在架構(gòu)師的大道上 Jack.Wang's home

計(jì)算字符串相似度的簡(jiǎn)易算法

算法設(shè)計(jì)背景：

最近設(shè)計(jì)知識(shí)管理系統(tǒng)的資源導(dǎo)入功能，為了盡量的做到組件化，方便擴(kuò)展，方便其他模塊使用。簡(jiǎn)化組件提供的和需要的接口，設(shè)計(jì)并實(shí)現(xiàn)了基于 Mapping 機(jī)制的導(dǎo)入框架。其中有一功能用到了計(jì)算兩個(gè)字符串相似度的算法，簡(jiǎn)單設(shè)計(jì)如下以便參考：

設(shè)計(jì)思想：

   把兩個(gè)字符串變成相同的基本操作定義如下：

1.     修改一個(gè)字符（如把 a 變成 b）

2.     增加一個(gè)字符 (如 abed 變成 abedd)

3.     刪除一個(gè)字符（如 jackbllog 變成 jackblog）

針對(duì)于 jackbllog到jackblog 只需要?jiǎng)h除一個(gè)或增加一個(gè) l 就可以把兩個(gè)字符串變?yōu)橄嗤?。把這種操作需要的次數(shù)定義為兩個(gè)字符串的距離 L, 則相似度定義為 1/(L+1) 即距離加一的倒數(shù)。那么jackbllog和jackblog的相似度為 1/1+1=1/2=0.5 也就是所兩個(gè)字符串的相似度是 0.5，說(shuō)明兩個(gè)字符串已經(jīng)很接近啦。

任意兩個(gè)字符串的距離都是有限的，都不會(huì)超過(guò)他們的長(zhǎng)度之和，算法設(shè)計(jì)中我們并不在乎通過(guò)一系列的修改后，得到的兩個(gè)相同字符串是什么樣子。所以每次只需一步操作，并遞歸的進(jìn)行下一計(jì)算。JAVA 的實(shí)現(xiàn)如下：

 1/** *//**
 2 * 
 3 */
 4package org.blogjava.arithmetic;
 5
 6import java.util.HashMap;
 7import java.util.Map;
 8
 9/** *//**
10 * @author jack.wang
11 * 
12 */
13public class StringDistance {
14
15    public static final Map<String, String> DISTANCE_CACHE = new HashMap<String, String>();
16
17    private static int caculateStringDistance(byte[] firstStr, int firstBegin,
18            int firstEnd, byte[] secondStr, int secondBegin, int secondEnd) {
19        String key = makeKey(firstStr, firstBegin, secondStr, secondBegin);
20        if (DISTANCE_CACHE.get(key) != null) {
21            return Integer.parseInt(DISTANCE_CACHE.get(key));
22        } else {
23            if (firstBegin >= firstEnd) {
24                if (secondBegin >= secondEnd) {
25                    return 0;
26                } else {
27                    return secondEnd - secondBegin + 1;
28                }
29            }
30            if (secondBegin >= secondEnd) {
31                if (firstBegin >= firstEnd) {
32                    return 0;
33                } else {
34                    return firstEnd - firstBegin + 1;
35                }
36            }
37            if (firstStr[firstBegin] == secondStr[secondBegin]) {
38                return caculateStringDistance(firstStr, firstBegin + 1,
39                        firstEnd, secondStr, secondBegin + 1, secondEnd);
40            } else {
41                int oneValue = caculateStringDistance(firstStr, firstBegin + 1,
42                        firstEnd, secondStr, secondBegin + 2, secondEnd);
43                int twoValue = caculateStringDistance(firstStr, firstBegin + 2,
44                        firstEnd, secondStr, secondBegin + 1, secondEnd);
45                int threeValue = caculateStringDistance(firstStr,
46                        firstBegin + 2, firstEnd, secondStr, secondBegin + 2,
47                        secondEnd);
48                DISTANCE_CACHE.put(key, String.valueOf(min(oneValue, twoValue,
49                        threeValue) + 1));
50                return min(oneValue, twoValue, threeValue) + 1;
51            }
52        }
53    }
54
55    public static float similarity(String stringOne, String stringTwo) {
56        return 1f / (caculateStringDistance(stringOne.getBytes(), 0, stringOne
57                .getBytes().length - 1, stringTwo.getBytes(), 0, stringOne
58                .getBytes().length - 1) + 1);
59    }
60
61    private static int min(int oneValue, int twoValue, int threeValue) {
62        return oneValue > twoValue ? twoValue
63                : oneValue > threeValue ? threeValue : oneValue;
64    }
65
66    private static String makeKey(byte[] firstStr, int firstBegin,
67            byte[] secondStr, int secondBegin) {
68        StringBuffer sb = new StringBuffer();
69        return sb.append(firstStr).append(firstBegin).append(secondStr).append(
70                secondBegin).toString();
71    }
72
73    /** *//**
74     * @param args
75     */
76    public static void main(String[] args) {
77        float i = StringDistance.similarity("jacklovvedyou", "jacklodveyou");
78        System.out.println(i);
79    }
80}
81