Fuzzywuzzy python 如何工作 - 当句子之间没有匹配的单词时？

Question

我正在使用fuzzywuzzy match 来查找句子之间的相似性。

当我比较这两个句子时-“用户尝试登录”和“接受标准”

fuzz.token_set_ratio('用户尝试登录', '接受标准')

它给了我42分。

有人可以帮我理解当没有匹配的单词时我们是如何获得 42 分的吗？

Answer 1

算法步骤

Token_set_ratio 执行以下步骤：

1. 拆分句子并删除重复项
2. 创建三个列表
   • remainder1 1 = 仅在第一句中的单词
   • remainder2 2 = 仅在第二句中的单词
   • intersection =两个句子中的单词
3. 对三个列表中的单词进行排序并将元素连接到组合字符串
   • sorted_remainder1
   • sorted_remainder2
   • sorted_intersection
4. 按以下方式加入字符串：
   • combined1 = <sorted_intersection><sorted_remainder1>
   • combined2 = <sorted_intersection><sorted_remainder2>
5. 计算以下相似度：
   • fuzz.ratio( sorted_intersection , combined1 )
   • fuzz.ratio( sorted_intersection , combined2 )
   • fuzz.ratio( combined1 , combined2 )
6. 返回这些相似性的最大值

例子

对于字符串user attempts login和acceptance criteria ，这会导致以下结果：

remainder1 = ['user', 'attempts', 'login']
remainder2 = ['acceptance', 'criteria']
intersection = []
sorted_remainder1 = 'attempts login user'
sorted_remainder2 = 'acceptance criteria'
combined1 = 'attempts login user'
combined2 = 'acceptance criteria'

fuzz.ratio(sorted_intersection, combined1) = 0
fuzz.ratio(sorted_intersection, combined2) = 0
fuzz.ratio(combined1, combined2) = 42

在您的特定情况下，这与fuzz.token_sort_ratio的结果相似，后者仅对两个句子中的单词进行排序并使用fuzz.ratio进行比较。