評價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)用場合很多，像拼寫糾錯、文本去重、上下文相似性等。

評價字符串相似度最常見的辦法就是：把一個字符串通過插入、刪除或替換這樣的編輯操作，變成另外一個字符串，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Levenshtein距離。海明距離是編輯距離的一種特殊情況，只計算等長情況下替換操作的編輯次數(shù)，只能應(yīng)用于兩個等長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長度必須一致，描述兩個等長字串之間對應(yīng)位置上不同字符的個數(shù)

3. 編輯距離，描述由一個字串轉(zhuǎn)化成另一個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.計算萊文斯坦比

5.計算jaro距離

6. Jaro–Winkler距離

輸出：