MySQL中如何有效率地計算字串相似度百分比？

如何計算MySQL 中的字串相似度

要確定MySQL 中儲存的兩個字串之間的相似度，請考慮使用高效的演算法，例如Levenshtein 距離。這種方法計算將一個字串轉換為另一個字串所需的單字元編輯（新增、刪除或替換）次數。

使用 MySQL 函式實作

MySQL 提供了一系列字串函式操弄。以下是計算兩個字串s1 和s2 之間的編輯距離的範例函數(levenshtein)：

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

計算相似度百分比

計算編輯距離後，您可以計算相似度百分比如下：

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

例如，如果您有兩個MySQL中的字串：

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

使用 levenshtein_ratio 函數：

SELECT LEVENSHTEIN_RATIO(@a, @b);

將傳回一個表示兩個字串之間相似度百分比的值，例如。所提供的範例為 60。

以上是MySQL中如何有效率地計算字串相似度百分比？的詳細內容。更多資訊請關注PHP中文網其他相關文章！