Levenshtein编辑距离Python

Question

这段代码返回2个词的Levenshtein编辑距离。 我如何才能做到这一点，以便插入和删除仅花费0.5而不是1？ 替代仍然需要花费1。

def substCost(x,y):
   if x == y: 
      return 0
   else: 
      return 1

def  levenshtein(target, source):
   i = len(target); j = len(source)
   if i == 0:  
      return j
   elif j == 0: 
      return i

   return(min(levenshtein(target[:i-1],source)+1,
          levenshtein(target, source[:j-1])+1,
          levenshtein(target[:i-1], source[:j-1])+substCost(source[j-1],target[i-1])))

Answer 1

您需要在两个地方考虑​​增加或删除元音的成本。 在函数的基本情况下，它们是return j和return i行，在前两次递归调用之后，在min调用中是+1 。

我们需要更改每个字符以使用“三进制”表达式： 0.5 if ch in 'aeiou' else 1 ，而不是假设添加或删除每个字符的成本为1 。

对于基本情况，我们可以在包含三元表达式的生成器表达式上用sum调用替换返回值：

if i == 0:  
    return sum(0.5 if ch in 'aeiou' else 1 for ch in source)
elif j == 0: 
    return sum(0.5 if ch in 'aeiou' else 1 for ch in target)

对于以后的情况，我们可以用三元表达式本身（用索引而不是ch迭代变量）替换+1 ：

return min(levenshtein(target[:i-1],source) + (0.5 if target[-1] in 'aeiou' else 1),
           levenshtein(target, source[:j-1]) + (0.5 if source[-1] in 'aeiou' else 1),
           levenshtein(target[:i-1], source[:j-1])+substCost(source[j-1],target[i-1]))

如果您想对此进行概括，则可以将三元表达式移到它自己的函数中，该函数名为addCost ，然后从levenshtein函数中的代码中调用它。