24

我在为 .net 找到最接近匹配字符串的实现时遇到问题

我想匹配一个字符串列表，例如：

输入字符串：“Publiczna Szkoła Podstawowa im.Bolesława Chrobrego w Wąsoszu”

字符串列表：

Publiczna Szkoła Podstawowa im. B. Chrobrego wąsoszu

Szkoła Podstawowa Specjalna

Szkoła Podstawowa im.Henryka Sienkiewicza wąsoszu

Szkoła Podstawowa 我。Romualda Traugutta wąsoszu Górnym

这显然需要与“Publiczna Szkoła Podstawowa im. B. Chrobrego w Wąsoszu”相匹配。

.net 有哪些可用的算法？

4

2 回答 2

29

编辑距离

编辑距离是一种通过计算将一个字符串转换为另一个字符串所需的最小操作次数来量化两个字符串（例如，单词）之间的不同程度的方法。

莱文斯坦距离

通俗地说，两个单词之间的 Levenshtein 距离是将一个单词更改为另一个单词所需的最小单字符编辑次数（即插入、删除或替换）。

快速、高效的 Levenshtein 算法

C# Levenshtein

using System;

/// <summary>
/// Contains approximate string matching
/// </summary>
static class LevenshteinDistance
{
    /// <summary>
    /// Compute the distance between two strings.
    /// </summary>
    public static int Compute(string s, string t)
    {
    int n = s.Length;
    int m = t.Length;
    int[,] d = new int[n + 1, m + 1];

    // Step 1
    if (n == 0)
    {
        return m;
    }

    if (m == 0)
    {
        return n;
    }

    // Step 2
    for (int i = 0; i <= n; d[i, 0] = i++)
    {
    }

    for (int j = 0; j <= m; d[0, j] = j++)
    {
    }

    // Step 3
    for (int i = 1; i <= n; i++)
    {
        //Step 4
        for (int j = 1; j <= m; j++)
        {
        // Step 5
        int cost = (t[j - 1] == s[i - 1]) ? 0 : 1;

        // Step 6
        d[i, j] = Math.Min(
            Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1),
            d[i - 1, j - 1] + cost);
        }
    }
    // Step 7
    return d[n, m];
    }
}

class Program
{
    static void Main()
    {
    Console.WriteLine(LevenshteinDistance.Compute("aunt", "ant"));
    Console.WriteLine(LevenshteinDistance.Compute("Sam", "Samantha"));
    Console.WriteLine(LevenshteinDistance.Compute("flomax", "volmax"));
    }
}
于 2012-12-10T00:56:55.077 回答
23

.NET 不提供任何开箱即用的东西——您需要自己实现一个编辑距离算法。例如，您可以使用Levenshtein Distance，如下所示：

// This code is an implementation of the pseudocode from the Wikipedia,
// showing a naive implementation.
// You should research an algorithm with better space complexity.
public static int LevenshteinDistance(string s, string t) {
    int n = s.Length;
    int m = t.Length;
    int[,] d = new int[n + 1, m + 1];
    if (n == 0) {
        return m;
    }
    if (m == 0) {
        return n;
    }
    for (int i = 0; i <= n; d[i, 0] = i++)
        ;
    for (int j = 0; j <= m; d[0, j] = j++)
       ;
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= m; j++) {
            int cost = (t[j - 1] == s[i - 1]) ? 0 : 1;
            d[i, j] = Math.Min(
                Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1),
                d[i - 1, j - 1] + cost);
        }
    }
    return d[n, m];
}

调用LevenshteinDistance(targetString, possible[i])each ，然后选择返回最小值i的字符串。possible[i]LevenshteinDistance

于 2012-12-10T01:00:24.617 回答