优化Levenshtein距离的速度
我有一个单元格字典，其中包含很多单词(大约15000个). 我想为所有单词对计算函数strdist(以计算Levenshtein距离).我尝试了两种方法，但是它们都非常慢.什么是更有效的解决方案? 这是我的代码(dict_keys是我的长度为m的单元格数组): 1) matrix = sparse(m,m); for i = 1:m-1; matrix(i,:) =
..
levenshtein-distance相关内容
Levenshtein和Trigram的替代品
说我的数据库中有以下两个字符串: (1) 'Levi Watkins Learning Center - Alabama State University' (2) 'ETH Library' 我的软件从数据源接收自由文本输入，并且应该将这些自由文本与数据库中的预定义字符串(上面的字符串)进行匹配. 例如，如果软件获取字符串 'Alabama University' ，则它应该认识
..
Swift3中的Levenshtein距离
我正在使用 Rosetta代码中的教程来计算Levenshtein距离.看来他们的代码在Swift2中，因此我在执行此操作时收到此错误Binary operator '+' cannot be applied to operands of type '[Int]' and 'Repeated':var cur = [i + 2] + empty其中let
..
比较相似度算法
我想使用字符串相似性函数在数据库中查找损坏的数据. 我遇到了其中几个: Jaro， Jaro-Winkler， Levenshtein， 欧几里得和 Q-gram 我想知道它们之间有什么区别，以及它们在什么情况下最有效? 解决方案 在勘误表和从Wikipedia， Jaro-Winkler : 在计算机科学和统计学中，Jaro–Winkler距离 (Wink
..
更好的模糊匹配性能?
我目前正在使用 difflib 中的方法get_close_matches方法进行迭代15,000个字符串的列表，以与大约15,000个字符串的另一个列表最接近: a=['blah','pie','apple'...] b=['jimbo','zomg','pie'...] for value in a: difflib.get_close_matches(value,b,n=1,
..
如何在SQLite中使用editdist3
根据回答另一个问题，在sqlite中，Levenshtein距离是通过称为editdist3的SQL函数实现的. (还要比较文档) 现在，当我尝试使用它时，我得到的只是一个不存在的错误: ╰┄┄> sqlite3 SQLite version 3.11.1 2016-03-03 16:17:53 Enter ".help" for usage hints. Connected to a
..
在perl中对数组使用编辑距离
我正在尝试比较两个数组之间的编辑距离.我尝试使用Text:Levenshtein. #!/usr/bin/perl -w use strict; use Text::Levenshtein qw(distance); my @words = qw(four foo bar); my @list = qw(foo fear); my @distances = distance(@list,
..
如何将python/cython unicode字符串转换为长整数数组，以进行levenshtein编辑距离
可能重复: 如何更正此Damerau-Levenshtein实现中的错误? 我有以下 Cython 代码(改编自 bpbio 项目) Damerau-Levenenshtein编辑距离计算: #--------------------------------------------------------------------------- cdef extern from "st
..
如何更正此Damerau-Levenshtein实现中的错误?
我又提出了另一个冗长的问题.实验过许多基于Python的Damerau-Levenshtein 编辑距离实现，我终于找到了下面列出的那个作为editdistance_reference().它 似乎可以提供正确的结果，并且似乎可以有效实施. 因此，我决定将代码转换为Cython.在我的测试数据上，参考方法设法提供了结果 进行11,000个比较(对于长约12个字母的单词对)，而Cythoniz
..
T-SQL中的Levenshtein距离
我对T-SQL中计算Levenshtein距离的算法感兴趣. 解决方案 Arnold Fribble在 sqlteam.com上有两个建议/forums 来自 2005年6月和 的一个 另一个从 2006年5月 更新的版本 这是2006年的更年轻版本: SET QUOTED_IDENTIFIER ON GO SET ANSI_NULLS ON GO CREATE
..
Python中的高性能模糊字符串比较，使用Levenshtein或difflib
我正在进行临床消息归一化(拼写检查)，其中，我对照900,000个单词的医学词典检查了每个给定的单词.我更担心时间的复杂性/性能. 我想进行模糊字符串比较，但是我不确定要使用哪个库. 选项1: import Levenshtein Levenshtein.ratio('hello world', 'hello') Result: 0.625 选项2: import d
..
如何修改Levenshtein算法，以了解它是插入，删除还是替换字符？
因此，我试图设计一种Levenshtein算法的衍生产品，在该算法中，我跟踪在字符串中进行了哪些转换（插入a或用a代替b）。 示例： 基本上，说我正在计算“ bbd”和“ bcd”的编辑距离 编辑距离将为1，并且转换将为“对于c而言，为subbtitude b”。 问题： 我会解决这个问题，因为我见过的实现并不关心自己知道哪种操作，而只知道总成本？ 解决方案 您可
..
莱文斯坦距离极限
如果我有一些我不想超过的距离。例子=2。 我可以在算法完全完成之前就知道最小的允许距离吗？ 也许有类似的算法可以完成它 我有必要减少工作程序的时间。 解决方案 如果您执行自上而下的动态编程/递归+记忆，则可以将当前大小作为附加参数传递，如果超过2，则尽早返回。但是我认为这样做会很无效率，因为您将重新访问状态。 如果您执行自下而上的dp，则将逐行填充（只需保留最后一行和当
..
URL路径相似度/字符串相似度算法
我的问题是，我需要比较URL路径并推断出它们是否相似。下面我提供了要处理的示例数据： ＃GROUP 1 /robots.txt ＃GROUP 2 /bot.html ＃GROUP 3 /phpMyAdmin-2.5.6-rc1/scripts/setup.php /phpMyAdmin-2.5。 6-rc2 / scripts / setup.php /php
..
使用levenshtein距离的两个全文相似度
我有两个文本文件要比较。我所做的是： 我将它们分成句子。 我ve测量了一个文件中每个句子与第二个文件中每个句子之间的levenshtein距离。 我想计算这两个文本文件之间的平均相似度，但是我很难传递任何有意义的值-显然算术平均值（所有距离的总和除以比较数）是一个坏主意。 如何解释此类结果？ 编辑： 距离值已标准化。 解决方案 levenshtein距离具有最大
..
查找到所有子字符串的编辑距离的算法
给出2个字符串 s 和 t 。我需要为 s 中的每个子字符串找到编辑距离（Levenshtein距离）到 t 。实际上，我需要知道 s 中每个 i 位置，从位置 i 。 例如： t =“ ab” s =“ sdabcb” 需要得到类似的东西： {2,1,0,2,2} 说明： 第一位置： distance（“ ab”，“ sd“
..
如何确定人物相似度？
我正在使用Levenshtein距离在OCR之后查找相似的字符串。但是，对于某些字符串，编辑距离是相同的，尽管视觉外观明显不同。 例如字符串 Co 将返回以下匹配项： CY（1） CZ（1） Ca（1） 考虑到， Co 是OCR引擎 Ca 的结果比那些更可能匹配。因此，在计算了Levenshtein距离之后，我想通过按视觉相似度排序来优化查询结果。为了计算相似度，
..
修改Levenshtein距离算法以不计算所有距离
我正在研究模糊搜索实现，作为实现的一部分，我们正在使用Apache的StringUtils.getLevenshteinDistance。目前，我们要为模糊搜索指定一个特定的最大平均响应时间。经过各种改进并进行了一些分析后，花费最多时间的地方是计算Levenshtein距离。在三个或三个以上字母的搜索字符串上，它大约占总时间的80-90％。 现在，我知道这里可以做些限制，但是我已经阅读了之前
..
模糊搜索算法（近似字符串匹配算法）
我希望创建一个模糊搜索算法。 但是，经过数小时的研究，我真的很努力。 我想创建一种算法，对学校名称列表进行模糊搜索。 / p> 这是我到目前为止所看到的： 我的大部分研究继续指向Google和Stackoverflow上的“ 字符串指标”，例如： Levenshtein距离 Damerau-Levenshtein距离 Needleman–Wunsch算法 但是，
..
Jaro-Winkler和Levenshtein距离之间的区别？
我有一个用例，需要对多个文件中的数百万条记录进行模糊匹配。我为此确定了两种算法： Jaro-Winkler 和 Levenshtein 编辑距离。 当我开始探索两者时，我无法理解两者之间的确切区别。看起来Levenshtein给出了两个字符串之间的编辑次数，而Jaro-Winkler给出了0.0到1.0之间的匹配分数。我不了解该算法。由于我需要使用任何一种算法，因此我需要知道在算法性能方面的
..