計算兩個弦之間的levenshtein距離

Question

我正在執行以下Postgres查詢。

SELECT *  FROM description WHERE levenshtein(desci, 'Description text?') <= 6  LIMIT 10;

我使用以下代碼執行上面的查詢。

public static boolean authQuestion(String question) throws SQLException{
    boolean isDescAvailable = false;
    Connection connection = null;
    try {
        connection = DbRes.getConnection();
        String query = "SELECT *  FROM description WHERE levenshtein(desci, ? ) <= 6";
        PreparedStatement checkStmt = dbCon.prepareStatement(query);
        checkStmt.setString(1, question);
        ResultSet rs = checkStmt.executeQuery();
        while (rs.next()) {     
            isDescAvailable = true;
        }
    } catch (URISyntaxException e1) {
        e1.printStackTrace();
    } catch (SQLException sqle) {
        sqle.printStackTrace();
    } catch (Exception e) {
        if (connection != null)
            connection.close();
    } finally {
        if (connection != null)
            connection.close();
    }
    return isDescAvailable;
}

我想找到輸入文本和數據庫中存在的值之間的編輯距離。 我想獲取編輯距離為60％的所有數據。 上述查詢無法按預期工作。 如何獲得包含60％相似度的行？

Answer 1

levenshtein函數的最通用版本是：

levenshtein(text source, text target, int ins_cost, int del_cost, int sub_cost) returns int

source和target都可以是任何非空字符串，最多255個字符。 成本參數分別指定字符插入，刪除或替換的費用。 您可以省略成本參數，如在函數的第二個版本中; 在這種情況下，他們都默認為1。

因此，使用默認參數的成本，你得到的結果是，你需要改變（通過插入，刪除或替換）的字符總數source ，以獲得target 。

如果需要計算百分比差異，則應將levenshtein函數結果除以源文本的長度（或目標長度 - 根據您對百分比差異的定義）。

Answer 2

用這個：

SELECT *
FROM description
WHERE 100 * (length(desci) - levenshtein(desci, ?))
         / length(desci) > 60

Levenshtein距離是一個字符串變為另一個字符串必須更改（移動，刪除或插入）的字母數。 簡而言之，它是不同的字母數。

那些相同的字母數是length - levenshtein 。

要將其表示為分數 ，除以長度，即(length - levenshtein) / length 。

要將分數表示為百分比 ，請乘以100 。

我通過執行乘法運算100 第一避免整數除法截斷問題。