Java での類似文字列比較
複数の文字列を比較して最も類似した文字列を特定する場合、適切な技術とアルゴリズムを活用することが不可欠です。この記事では、2 つの文字列間の類似性を計算するために「編集距離」として知られる広く使用されているアプローチについて詳しく説明します。
レーベンシュタイン アルゴリズムを使用した編集距離の計算
編集の計算距離には、ある文字列を別の文字列に変換するために必要な文字の挿入、削除、置換の最小数を決定することが含まれます。レーベンシュタイン アルゴリズムは、編集距離を計算するための古典的なアプローチであり、プログラミング ライブラリに組み込まれることがよくあります。レーベンシュタイン アルゴリズムを使用して計算するには:
// Levenshtein's Edit Distance Function public static int editDistance(String s1, String s2) { // Convert to lower case for case-insensitive comparison s1 = s1.toLowerCase(); s2 = s2.toLowerCase(); int[][] matrix = new int[s2.length() + 1][s1.length() + 1]; // Initialize first column to cost of insertion for (int i = 0; i <= s1.length(); i++) { matrix[0][i] = i; } // Initialize first row to cost of deletion for (int j = 0; j <= s2.length(); j++) { matrix[j][0] = j; } // Populate the matrix for (int j = 1; j <= s2.length(); j++) { for (int i = 1; i <= s1.length(); i++) { int cost = s1.charAt(i - 1) == s2.charAt(j - 1) ? 0 : 1; int min = Math.min(matrix[j - 1][i] + 1, // Deletion Math.min(matrix[j][i - 1] + 1, // Insertion matrix[j - 1][i - 1] + cost)); // Substitution matrix[j][i] = min; } } return matrix[s2.length()][s1.length()]; }
正規化された類似性インデックス
編集距離が計算されたら、長さに正規化することで類似性インデックスを計算できます。長い文字列の:
// Similarity Index Function public static double similarityIndex(String s1, String s2) { int distance = editDistance(s1, s2); String longer = s1.length() > s2.length() ? s1 : s2; double similarity = 1.0 - (distance / (double) longer.length()); return similarity; }
使用法例:
これらのメソッドを利用するには、次のように適用できます:
String str1 = "The quick fox jumped"; String str2 = "The fox"; double similarity = similarityIndex(str1, str2); System.out.println("Similarity Index: " + similarity);
出力:
Similarity Index: 0.70
This例では、「The Quick fox Jumped」と「The Quick fox Jumped」の間の類似性指数 0.7 を示しています。 fox".
全体として、この記事で説明する手法は、文字列の類似性を定量化するための堅牢な方法を提供し、複数の文字列の効率的かつ効果的な比較を可能にします。
以上がJava で編集距離を計算し、2 つの文字列間の類似性を判断するために、レーベンシュタイン アルゴリズムをどのように使用できますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。