Java はテキストの類似性を最大限に捕捉します

Java クローリング テキストの最大類似度コード:

public static void main(String[] args) {
		//要比较的两个字符串
		String str1 = "汗1滴禾下土";
		String str2 = "汗滴禾下土";
		levenshtein(str1,str2);
		
		 str1 = "汗滴禾下土";
		 str2 = "汗滴禾下土";
		levenshtein(str1,str2);
		
		str1 = "锄禾日当午";
		 str2 = "汗滴禾下土";
		levenshtein(str1,str2);
		
		str1 = "我觉得锄禾日当午";
		 str2 = "锄禾日是sag";
		levenshtein(str1,str2);
		
		str1 = "我最帅asdasd";
		 str2 = "最帅asdasdqeqwe";
		levenshtein(str1,str2);
	}
 
	/**
	 * 　　DNA分析 　　拼字检查 　　语音辨识 　　抄袭侦测
	 * 
	 * @createTime 2012-1-12
	 */
	public static void levenshtein(String str1,String str2) {
		//计算两个字符串的长度。
		int len1 = str1.length();
		int len2 = str2.length();
		//建立上面说的数组，比字符长度大一个空间
		int[][] dif = new int[len1 + 1][len2 + 1];
		//赋初值，步骤B。
		for (int a = 0; a <= len1; a++) {
			dif[a][0] = a;
		}
		for (int a = 0; a <= len2; a++) {
			dif[0][a] = a;
		} 
		//计算两个字符是否一样，计算左上的值
		int temp;
		for (int i = 1; i <= len1; i++) {
			for (int j = 1; j <= len2; j++) {
				if (str1.charAt(i - 1) == str2.charAt(j - 1)) {
					temp = 0;
				} else {
					temp = 1;
				}
				//取三个值中最小的
				dif[i][j] = min(dif[i - 1][j - 1] + temp, dif[i][j - 1] + 1,
						dif[i - 1][j] + 1);
			}
		}
		/*System.out.println("字符串\""+str1+"\"与\""+str2+"\"的比较");
		//取数组右下角的值，同样不同位置代表不同字符串的比较
		System.out.println("字符串\""+str1+"\"的长度["+str1.length()+"]与\""+str2+"\"的长度["+str2.length()+"]");
		System.out.println("差异步骤："+dif[len1][len2] +"/" +Math.max(str1.length(), str2.length()));
		
		//计算相似度
		float similarity =1 - (float) dif[len1][len2] / Math.max(str1.length(), str2.length());
		System.out.println("------------------------"+(float)1/6);
		System.out.println("使用方法得到的相似度是："+similarity);*/
		float similarity =1 - (float) dif[len1][len2] / Math.max(str1.length(), str2.length());
		System.out.println("字符串【"+str1+"】与【"+str2+"】的相似度是："+similarity);
		System.out.println();
	}
 
	//得到最小值
	private static int min(int... is) {
		int min = Integer.MAX_VALUE;
		for (int i : is) {
			if (min > i) {
				min = i;
			}
		}
		return min;
	}

出力結果:

字符串【汗1滴禾下土】与【汗滴禾下土】的相似度是：0.8333333
 
字符串【汗滴禾下土】与【汗滴禾下土】的相似度是：1.0
 
字符串【锄禾日当午】与【汗滴禾下土】的相似度是：0.0
 
字符串【我觉得锄禾日当午】与【锄禾日是sag】的相似度是：0.125
 
字符串【我最帅asdasd】与【最帅asdasdqeqwe】的相似度是：0.53846157

以上がJava はテキストの類似性を最大限に捕捉しますの詳細内容です。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。