MySQL で文字列の類似性パーセンテージを効率的に計算するにはどうすればよいですか?

MySQL で文字列の類似性を計算する方法

MySQL に格納されている 2 つの文字列間の類似性を判断するには、レーベンシュタイン距離などの効率的なアルゴリズムの使用を検討してください。このアプローチでは、ある文字列を別の文字列に変換するために必要な単一文字の編集 (追加、削除、または置換) の数を計算します。

MySQL 関数を使用した実装

MySQL は文字列用の一連の関数を提供します操作。以下に、2 つの文字列 s1 と s2 の間のレーベンシュタイン距離を計算する関数 (レーベンシュタイン) の例を示します。

CREATE FUNCTION `levenshtein`(s1 text, s2 text) RETURNS int(11)
DETERMINISTIC
BEGIN
  # Initialize variables
  DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT;
  DECLARE s1_char CHAR;
  DECLARE cv0, cv1 text;
  SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2),
    cv1 = 0x00, j = 1, i = 1, c = 0;

  # Check for edge cases
  IF s1 = s2 THEN
    RETURN 0;
  ELSEIF s1_len = 0 THEN
    RETURN s2_len;
  ELSEIF s2_len = 0 THEN
    RETURN s1_len;
  ELSE
    # Main loop over s1 characters
    WHILE j <= s2_len DO
      SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1;
    END WHILE;

    WHILE i <= s1_len DO
      SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)),
        j = 1;

      # Inner loop over s2 characters
      WHILE j <= s2_len DO
        SET c = c + 1;
        IF s1_char = SUBSTRING(s2, j, 1) THEN
          SET cost = 0;
        ELSE
          SET cost = 1;
        END IF;

        SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost;
        IF c > c_temp THEN SET c = c_temp; END IF;
        SET c_temp = CONV(HEX(SUBSTRING(cv1, j + 1, 1)), 16, 10) + 1;
        IF c > c_temp THEN SET c = c_temp; END IF;
        SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1;
      END WHILE;

      SET cv1 = cv0, i = i + 1;
    END WHILE;
  END IF;

  # Return Levenshtein distance
  RETURN c;
END

類似性パーセンテージの計算

レーベンシュタイン距離を計算すると、類似性パーセンテージを計算できます。として

CREATE FUNCTION `levenshtein_ratio`(s1 text, s2 text) RETURNS int(11)
DETERMINISTIC
BEGIN
  DECLARE s1_len, s2_len, max_len INT;
  SET s1_len = LENGTH(s1), s2_len = LENGTH(s2);
  IF s1_len > s2_len THEN
    SET max_len = s1_len;
  ELSE
    SET max_len = s2_len;
  END IF;
  RETURN ROUND((1 - LEVENSHTEIN(s1, s2) / max_len) * 100);
END

たとえば、MySQL に 2 つの文字列がある場合:

SET @a = "Welcome to Stack Overflow";
SET @b = "Hello to stack overflow";

levenshtein_ratio 関数を使用すると、

SELECT LEVENSHTEIN_RATIO(@a, @b);

を表す値が返されます。 2 つの文字列間の類似性のパーセンテージ。提供された例では 60。

以上がMySQL で文字列の類似性パーセンテージを効率的に計算するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。