Ocena jakości dopasowań sznurkowych

Question

Ocena jakości dopasowań sznurkowych

Jaki byłby najlepszy sposób, aby porównać wzór z zestawem ciągów, jeden po drugim, podczas gdy oceniając ilość, z jaką wzór pasuje do każdego ciągu? W moim ograniczonym doświadczeniu z regex, dopasowanie ciągów z wzorcami za pomocą regex wydaje się być dość binarne operation...no nieważne, jak skomplikowany jest wzór, w końcu albo pasuje, albo nie. szukam większych możliwości, poza samym dopasowaniem. Czy istnieje dobra technika lub algorytm, który odnosi się do to?

Oto przykład:

Powiedzmy, że mam wzór foo bar i chcę znaleźć ciąg, który najbardziej pasuje do niego z następujących ciągów:

foo for
foo bax
foo buo
fxx bar

Żaden z nich nie pasuje do wzorca, ale który z nich jest najbliższy do dopasowania? W tym przypadku foo bax byłby najlepszym wyborem, ponieważ pasuje do 6 z 7 znaków.

Przepraszam, jeśli to jest duplikat pytania, naprawdę Nie wiem, co dokładnie szukać kiedy spojrzałem, aby zobaczyć, czy to pytanie już istnieje.

11

language-agnostic string-matching levenshtein-distance

Author: Paul Woolcock, 2010-11-05

Source

2 answers

Ciekawe pytanie! Pierwszą rzeczą, która przyszła na myśl jest to, że sposób dopasowania wyrażeń regularnych jest budowaniem DFA . Jeśli masz bezpośredni dostęp do DFA, który został zbudowany dla danego regex (lub po prostu zbudował go sam!) możesz uruchomić pomiar wejściowy odległości od ostatniego stanu, do którego się przeszedłeś i stanu accept, używając najkrótszej ścieżki jako miary tego, jak blisko było zaakceptowania, ale nie jestem świadomy żadnych bibliotek, które pozwoliłyby ci to zrobić że łatwo i nawet ten środek prawdopodobnie nie dokładnie odwzorować na intuicji w wielu przypadkach.

0

Author: Flexo,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2010-11-05 15:23:23

score 3 · Accepted Answer

Ten działa, sprawdziłem na przykładzie Wikipedii distance between "kitten" and "sitting" is 3

   public class LevenshteinDistance {

    public static final String TEST_STRING = "foo bar";

    public static void main(String ...args){
        LevenshteinDistance test = new LevenshteinDistance();
        List<String> testList = new ArrayList<String>();
        testList.add("foo for");
        testList.add("foo bax");
        testList.add("foo buo");
        testList.add("fxx bar");
        for (String string : testList) {
          System.out.println("Levenshtein Distance for " + string + " is " + test.getLevenshteinDistance(TEST_STRING, string)); 
        }
    }

    public int getLevenshteinDistance (String s, String t) {
          if (s == null || t == null) {
            throw new IllegalArgumentException("Strings must not be null");
          }

          int n = s.length(); // length of s
          int m = t.length(); // length of t

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

          int p[] = new int[n+1]; //'previous' cost array, horizontally
          int d[] = new int[n+1]; // cost array, horizontally
          int _d[]; //placeholder to assist in swapping p and d

          // indexes into strings s and t
          int i; // iterates through s
          int j; // iterates through t

          char t_j; // jth character of t

          int cost; // cost

          for (i = 0; i<=n; i++) {
             p[i] = i;
          }

          for (j = 1; j<=m; j++) {
             t_j = t.charAt(j-1);
             d[0] = j;

             for (i=1; i<=n; i++) {
                cost = s.charAt(i-1)==t_j ? 0 : 1;
                // minimum of cell to the left+1, to the top+1, diagonally left and up +cost                
                d[i] = Math.min(Math.min(d[i-1]+1, p[i]+1),  p[i-1]+cost);  
             }

             // copy current distance counts to 'previous row' distance counts
             _d = p;
             p = d;
             d = _d;
          } 

          // our last action in the above loop was to switch d and p, so p now 
          // actually has the most recent cost counts
          return p[n];
        }

}