評(píng)價(jià)Python字符串相似度的六種度量方法
字符串的相似性比較應(yīng)用場(chǎng)合很多，像拼寫糾錯(cuò)、文本去重、上下文相似性等。
評(píng)價(jià)字符串相似度最常見(jiàn)的辦法就是：把一個(gè)字符串通過(guò)插入、刪除或替換這樣的編輯操作，變成另外一個(gè)字符串，所需要的最少編輯次數(shù)，這種就是編輯距離（edit distance）度量方法，也稱為L(zhǎng)evenshtein距離。海明距離是編輯距離的一種特殊情況，只計(jì)算等長(zhǎng)情況下替換操作的編輯次數(shù)，只能應(yīng)用于兩個(gè)等長(zhǎng)字符串間的距離度量。
其他常用的度量方法還有 Jaccard distance、J-W距離（Jaro–Winkler distance）、余弦相似性（cosine similarity）、歐氏距離（Euclidean distance）等。
python-Levenshtein 使用
使用 pip install python-Levenshtein 指令安裝 Levenshtein
1. difflib
2. hamming距離，str1和str2長(zhǎng)度必須一致，描述兩個(gè)等長(zhǎng)字串之間對(duì)應(yīng)位置上不同字符的個(gè)數(shù)
3. 編輯距離，描述由一個(gè)字串轉(zhuǎn)化成另一個(gè)字串最少的操作次數(shù)，在其中的操作包括 插入、刪除、替換
4.計(jì)算萊文斯坦比
5.計(jì)算jaro距離
6. Jaro–Winkler距離
輸出：
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
字符串
+關(guān)注
關(guān)注
1文章
594瀏覽量
22896 -
python
+關(guān)注
關(guān)注
56文章
4848瀏覽量
88936
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
labview如何生成一個(gè)帶字符串返回的dll
labview如何生成一個(gè)dll，如下圖，要求一個(gè)輸入，類型是字符串，返回類型也是字符串
發(fā)表于 08-28 23:20
在Python中字符串逆序有幾種方式，代碼是什么
對(duì)于一個(gè)給定的字符串，逆序輸出，這個(gè)任務(wù)對(duì)于python來(lái)說(shuō)是一種很簡(jiǎn)單的操作，畢竟強(qiáng)大的列表和字符串處理的一些列函數(shù)足以應(yīng)付這些問(wèn)題 了，今天總結(jié)了一下
harmony-utils之StrUtil，字符串工具類
harmony-utils之StrUtil，字符串工具類 harmony-utils 簡(jiǎn)介與說(shuō)明 [harmony-utils] 一款功能豐富且極易上手的HarmonyOS工具庫(kù)，借助眾多實(shí)用工具類
STM32C031C6使用的是UART2通訊，通過(guò)printf()函數(shù)發(fā)送字符串時(shí)，漢字錯(cuò)碼怎么解決?
使用的是UART2通訊，通過(guò)printf()函數(shù)發(fā)送字符串時(shí)，漢字錯(cuò)碼（見(jiàn)下圖），應(yīng)該是KEIL哪里沒(méi)有設(shè)置好的問(wèn)題。
啟用了UART2的中斷接收，可以接收到串口調(diào)試助手的數(shù)據(jù)，但是緩存區(qū)的指針沒(méi)有歸零，下次接收時(shí)緩存區(qū)中的內(nèi)容接續(xù)（如下圖所示），不知道用什么命令來(lái)清除緩存區(qū)（即讓指針歸零）。
發(fā)表于 03-07 12:30
帶你探索：運(yùn)放芯片的六種實(shí)用端接策略
在電子電路中，運(yùn)放芯片應(yīng)用廣泛。使用集成雙運(yùn)放芯片構(gòu)建電壓跟隨器時(shí)，常一個(gè)運(yùn)放工作，另一個(gè)閑置。恰當(dāng)端接閑置運(yùn)放是穩(wěn)定電路性能的關(guān)鍵，接下來(lái)，健翔升小編將為大家介紹六種運(yùn)放芯片端接方法及其特點(diǎn)
請(qǐng)問(wèn)如何用Verilog實(shí)現(xiàn)將ascaii碼數(shù)值字符串轉(zhuǎn)換成定點(diǎn)數(shù)？
我需要接收一個(gè)ascaii碼字符串，內(nèi)容是12位有效數(shù)字的數(shù)值，帶小數(shù)。我不知道怎么把小數(shù)部分轉(zhuǎn)換成定點(diǎn)數(shù)。
發(fā)表于 01-23 21:57
字符串在數(shù)據(jù)庫(kù)中的存儲(chǔ)方式
數(shù)據(jù)庫(kù)是現(xiàn)代信息技術(shù)中存儲(chǔ)和管理數(shù)據(jù)的核心組件。字符串作為最常見(jiàn)的數(shù)據(jù)類型之一，在數(shù)據(jù)庫(kù)中的存儲(chǔ)方式對(duì)其性能和可擴(kuò)展性有著重要影響。 數(shù)據(jù)類型 固定長(zhǎng)度字符串 ：如CHAR類型，它為每個(gè)字符串分配
字符串在編程中的應(yīng)用實(shí)例
字符串在編程中有著廣泛的應(yīng)用，它們被用于表示文本數(shù)據(jù)、處理用戶輸入、構(gòu)建動(dòng)態(tài)內(nèi)容等。以下是一些字符串在編程中的應(yīng)用實(shí)例： 1. 用戶輸入與輸出 用戶輸入 ：程序通常需要從用戶那里獲取輸入，這些輸入通
字符串與字符數(shù)組的區(qū)別
在編程語(yǔ)言中，字符串和字符數(shù)組是兩種基本的數(shù)據(jù)結(jié)構(gòu)，它們都用于存儲(chǔ)和處理文本數(shù)據(jù)。盡管它們?cè)诠δ苌嫌幸欢ǖ闹丿B，但在內(nèi)部表示、操作方式和使用場(chǎng)景上存在顯著差異。 1. 內(nèi)部表示 字符串
字符串反轉(zhuǎn)的實(shí)現(xiàn)方式
在編程中，字符串反轉(zhuǎn)是一個(gè)基礎(chǔ)而重要的操作，它涉及到將一個(gè)字符串中的字符順序顛倒過(guò)來(lái)。這個(gè)操作在多種編程語(yǔ)言中都有不同的實(shí)現(xiàn)方式，本文將探討幾種常見(jiàn)的字符串反轉(zhuǎn)
字符串處理方法 字符串轉(zhuǎn)數(shù)字的實(shí)現(xiàn)
在編程中，將字符串轉(zhuǎn)換為數(shù)字是一個(gè)常見(jiàn)的需求。不同的編程語(yǔ)言有不同的方法來(lái)實(shí)現(xiàn)這一功能。以下是一些常見(jiàn)編程語(yǔ)言中的字符串轉(zhuǎn)數(shù)字的實(shí)現(xiàn)方法： Pyth
深度排查恩智浦MCX N系列支持的六種電源模式
前 言 在上周文章-MCX N系列之電源管理中，小編帶大家了解了MCX N系列的電源架構(gòu)以及不同的電源配置，本篇文章將介紹MCX N系列支持的六種電源模式，分別為： Active Sleep
發(fā)表于 12-12 09:33
?1032次閱讀
base64字符串轉(zhuǎn)換為二進(jìn)制文件
Base64是一種編碼方法，用于將二進(jìn)制數(shù)據(jù)轉(zhuǎn)換為ASCII字符串。這種編碼通常用于在不支持二進(jìn)制數(shù)據(jù)的系統(tǒng)中傳輸數(shù)據(jù)，例如電子郵件或網(wǎng)頁(yè)。將Base64字符串轉(zhuǎn)換為二進(jìn)制文件的過(guò)程相
labview中浮點(diǎn)數(shù)與十六進(jìn)制字符串相互轉(zhuǎn)化
與下位機(jī)數(shù)據(jù)交流及通訊時(shí)，經(jīng)常有浮點(diǎn)數(shù)與十六進(jìn)制字符串相互轉(zhuǎn)化的需求，經(jīng)過(guò)兩天總結(jié)，找到了最簡(jiǎn)潔的相互轉(zhuǎn)化的方法，萌新歡迎大佬指正，文件也附上。*附件：HEX字符串與浮點(diǎn)數(shù)轉(zhuǎn)換.rar
發(fā)表于 10-21 19:51
工商網(wǎng)監(jiān)
評(píng)論