字符串与最相似的字符串比较

Question

有谁知道是否存在一种算法，给定一个字符串 A 和一个字符串数组 B，将 A 字符串与 B 中的所有字符串进行比较，在 output 中给出最相似的字符串。

对于“最相似的”，我的意思是，例如，

如果 A 字符串是：“hello world how are you”

然后

“asdf asdewr 你好，你好 asfrqr”

比以下更相似：

“h2ll4 w1111 h11 111 111”

Answer 1

通常的测量是Levenshtein 距离。 计算从原始到每个候选者的 Levenshtein 距离，并将最小距离作为最可能的候选者。

Answer 2

定义相似性。 可以做到这一点的算法包括：

1. Levenshtein/LCS/n-gram 距离（将字符串与集合中的每个字符串进行比较，取距离最小的字符串）
2. tf-idf 索引
3. Levenshtein 自动机
4. 霍普菲尔德网络
5. BK-树

所有这些都可以在 C 或 C++ 中实现。 谷歌“字符串相似性”、“重复查找”或“记录链接”以获取可用的指标和算法。

Answer 3

这通常是通过检查你拥有的字符串的一堆变体来完成的......看看拼写更正算法 - 例如在这里