我正在尝试在JS中创建damerau-levenshtein距离函数。
我在WIkipedia上找到了关于该算法的描述,但是他们没有实现它。它说:
要设计适当的算法来计算不受限制的Damerau–Levenshtein距离,请注意,始终存在最佳的编辑操作序列,在此之后,一旦转置的字母就永远不会被修改。因此,我们只需要考虑两种以上修改子串的对称方式:(1)转置字母并在它们之间插入任意数量的字符,或者(2)删除一系列字符并转置在删除后变为相邻的字母。这个想法的直接实现给出了三次复杂度的算法:O \ left(M \ cdot N \ cdot \ max(M,N)\ right),其中M和N是字符串长度。利用Lowrance和Wagner的思想,[7]在最坏的情况下,可以将这种幼稚算法改进为O \ left(M \ cdot N \ right)。有趣的是,可以修改bitap算法以处理换位。有关此类修改的示例,请参见[1]的信息检索部分。 https://zh.wikipedia.org/wiki/Damerau%E2%80%93Levenshtein_distance
要设计适当的算法来计算不受限制的Damerau–Levenshtein距离,请注意,始终存在最佳的编辑操作序列,在此之后,一旦转置的字母就永远不会被修改。因此,我们只需要考虑两种以上修改子串的对称方式:(1)转置字母并在它们之间插入任意数量的字符,或者(2)删除一系列字符并转置在删除后变为相邻的字母。这个想法的直接实现给出了三次复杂度的算法:O \ left(M \ cdot N \ cdot \ max(M,N)\ right),其中M和N是字符串长度。利用Lowrance和Wagner的思想,[7]在最坏的情况下,可以将这种幼稚算法改进为O \ left(M \ cdot N \ right)。有趣的是,可以修改bitap算法以处理换位。有关此类修改的示例,请参见[1]的信息检索部分。
https://zh.wikipedia.org/wiki/Damerau%E2%80%93Levenshtein_distance
[1]部分指向http://acl.ldc.upenn.edu/P/P00/P00-1037.pdf,这对我来说更加复杂。
如果我正确理解了这一点,那么创建一个实现就不那么容易了。
这是我当前使用的levenshtein实现:
levenshtein=function (s1, s2) { // discuss at: http://phpjs.org/functions/levenshtein/ // original by: Carlos R. L. Rodrigues (http://www.jsfromhell.com) // bugfixed by: Onno Marsman // revised by: Andrea Giammarchi (http://webreflection.blogspot.com) // reimplemented by: Brett Zamir (http://brett-zamir.me) // reimplemented by: Alexander M Beedie // example 1: levenshtein('Kevin van Zonneveld', 'Kevin van Sommeveld'); // returns 1: 3 if (s1 == s2) { return 0; } var s1_len = s1.length; var s2_len = s2.length; if (s1_len === 0) { return s2_len; } if (s2_len === 0) { return s1_len; } // BEGIN STATIC var split = false; try { split = !('0')[0]; } catch (e) { // Earlier IE may not support access by string index split = true; } // END STATIC if (split) { s1 = s1.split(''); s2 = s2.split(''); } var v0 = new Array(s1_len + 1); var v1 = new Array(s1_len + 1); var s1_idx = 0, s2_idx = 0, cost = 0; for (s1_idx = 0; s1_idx < s1_len + 1; s1_idx++) { v0[s1_idx] = s1_idx; } var char_s1 = '', char_s2 = ''; for (s2_idx = 1; s2_idx <= s2_len; s2_idx++) { v1[0] = s2_idx; char_s2 = s2[s2_idx - 1]; for (s1_idx = 0; s1_idx < s1_len; s1_idx++) { char_s1 = s1[s1_idx]; cost = (char_s1 == char_s2) ? 0 : 1; var m_min = v0[s1_idx + 1] + 1; var b = v1[s1_idx] + 1; var c = v0[s1_idx] + cost; if (b < m_min) { m_min = b; } if (c < m_min) { m_min = c; } v1[s1_idx + 1] = m_min; } var v_tmp = v0; v0 = v1; v1 = v_tmp; } return v0[s1_len]; }
构建这种算法的想法是什么,如果您认为它太复杂了,那么我该怎么做才能使“ l”(L小写)和“ I”(i大写)之间没有区别。
要点@doukremt给出了:https ://gist.github.com/doukremt/9473228
在Javascript中提供以下内容。
您可以在加权对象中更改操作的权重。
var levenshteinWeighted= function(seq1,seq2) { var len1=seq1.length; var len2=seq2.length; var i, j; var dist; var ic, dc, rc; var last, old, column; var weighter={ insert:function(c) { return 1.; }, delete:function(c) { return 0.5; }, replace:function(c, d) { return 0.3; } }; /* don't swap the sequences, or this is gonna be painful */ if (len1 == 0 || len2 == 0) { dist = 0; while (len1) dist += weighter.delete(seq1[--len1]); while (len2) dist += weighter.insert(seq2[--len2]); return dist; } column = []; // malloc((len2 + 1) * sizeof(double)); //if (!column) return -1; column[0] = 0; for (j = 1; j <= len2; ++j) column[j] = column[j - 1] + weighter.insert(seq2[j - 1]); for (i = 1; i <= len1; ++i) { last = column[0]; /* m[i-1][0] */ column[0] += weighter.delete(seq1[i - 1]); /* m[i][0] */ for (j = 1; j <= len2; ++j) { old = column[j]; if (seq1[i - 1] == seq2[j - 1]) { column[j] = last; /* m[i-1][j-1] */ } else { ic = column[j - 1] + weighter.insert(seq2[j - 1]); /* m[i][j-1] */ dc = column[j] + weighter.delete(seq1[i - 1]); /* m[i-1][j] */ rc = last + weighter.replace(seq1[i - 1], seq2[j - 1]); /* m[i-1][j-1] */ column[j] = ic < dc ? ic : (dc < rc ? dc : rc); } last = old; } } dist = column[len2]; return dist; }