矩阵式比较两文本字符串相似度（包含汉字）方法两则（java代码）

59 阅读 0 评论 39 点赞

我是靠谱客的博主俊逸时光，最近开发中收集的这篇文章主要介绍矩阵式比较两文本字符串相似度（包含汉字）方法两则（java代码），觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

本文主要是我最近做项目的过程中遇到的一个问题：比较两个文本字符串的相似度，经过我两天的大量查阅以及思考和整理，得出一下两种方法，第一种方法是网上的一位大神写的，我经过了一部分改写，更适合各位猿友观赏，第二种是我的领导总结的：

part 1：

package com.gsww.ctyxy.util;
import java.text.NumberFormat;

import java.util.Locale;

/**

* 比较两个字符串的相似度

*/

public class AutomaticRating {

/* public static void main(String[] args) {

String strA = "我是中国人";

String strB = "我是中国人";

double result=SimilarDegree(strA, strB);

if(result>=0.4&&result<0.6){
System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--及格");

}else if (result>=0.6&&result<0.8) {

System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--良好");

}else if (result>=0.8) {

System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--优秀");
}else{

System.out.println("本次作业的成绩为："+similarityResult(result)+result+"--不及格");

}
} */

/**

* 相似度转百分比

*/

public static String similarityResult(double resule){

return NumberFormat.getPercentInstance(new Locale( "en ", "US ")).format(resule);

}

/**

* 相似度比较

* @param strA

* @param strB

* @return

*/

public static double SimilarDegree(String strA, String strB){

String newStrA = removeSign(strA);
//System.out.println(newStrA);
String newStrB = removeSign(strB);
//System.out.println(newStrB);

int temp = Math.max(newStrA.length(), newStrB.length());
int lenA = newStrA.length();
int lenB = newStrB.length();
System.out.println(temp);
int temp2 = 0;
//在此判断newStrA和newStrB的长度
if (lenA >=lenB?true:false) {
temp2 = longestCommonSubstring(newStrA, newStrB).length();
}else{
temp2 = longestCommonSubstring(newStrB, newStrA).length();
}

System.out.println(temp2);
return temp2 * 1.0 / temp;

}

private static String removeSign(String str) {

StringBuffer sb = new StringBuffer();

for (char item : str.toCharArray())

if (charReg(item)){

System.out.println("--"+item);

sb.append(item);

}
System.out.println(sb.toString());

return sb.toString();

}

//利用正则表达式来解析字符串
private static boolean charReg(char charValue) {

return (charValue >= 0x4E00 && charValue <= 0X9FA5)

|| (charValue >= 'a' && charValue <= 'z')

|| (charValue >= 'A' && charValue <= 'Z')

|| (charValue >= '0' && charValue <= '9');

}

//解析两个字符串的相同部分的长度，返回公共部分，strA字符串长度 > strB字符串
private static String longestCommonSubstring(String strA, String strB) {

char[] chars_strA = strA.toCharArray();

char[] chars_strB = strB.toCharArray();

int m = chars_strA.length;

int n = chars_strB.length;

int[][] matrix = new int[m + 1][n + 1];

for (int i = 1; i <= m; i++) {

for (int j = 1; j <= n; j++) {

if (chars_strA[i - 1] == chars_strB[j - 1])

matrix[i][j] = matrix[i - 1][j - 1] + 1;

else

matrix[i][j] = Math.max(matrix[i][j - 1], matrix[i - 1][j]);

}

}

char[] result = new char[matrix[m][n]];

int currentIndex = result.length - 1;

while (matrix[m][n] != 0) {

if (matrix[n] == matrix[n - 1])

n--;

else if (matrix[m][n] == matrix[m - 1][n])

m--;

else {

result[currentIndex] = chars_strA[m - 1];

currentIndex--;

n--;

m--;

}
}

return new String(result);

}

}

part 2：public class SimilarityRatio {
private int compare(String str, String target)
{
int d[][]; // 矩阵
int n = str.length();
int m = target.length();
int i; // 遍历str的
int j; // 遍历target的
char ch1; // str的
char ch2; // target的
int temp; // 记录相同字符,在某个矩阵位置值的增量,不是0就是1
if (n == 0) { return m; }
if (m == 0) { return n; }
d = new int[n + 1][m + 1];
for (i = 0; i <= n; i++)
{ // 初始化第一列
d[i][0] = i;
}

for (j = 0; j <= m; j++)
{ // 初始化第一行
d[0][j] = j;
}

for (i = 1; i <= n; i++)
{ // 遍历str
ch1 = str.charAt(i - 1);
// 去匹配target
for (j = 1; j <= m; j++)
{
ch2 = target.charAt(j - 1);
if (ch1 == ch2 || ch1 == ch2+32 || ch1+32 == ch2)
{
temp = 0;
} else
{
temp = 1;
}
// 左边+1,上边+1, 左上角+temp取最小
d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
}
}
return d[n][m];
}

private int min(int one, int two, int three)
{
return (one = one < two ? one : two) < three ? one : three;
}

/**
* 获取两字符串的相似度
*/

public float getSimilarityRatio(String str, String target)
{
//去除空白字符、换行、标点符号
String regex = "[\pP\p{Punct}\s]";
return 1 - (float) compare(str.replaceAll(regex, ""), target.replaceAll(regex, "")) / Math.max(str.length(), target.length());
}

public static void main(String[] args)
{
String str= "论据容易理解,把它们分成小块,并以相似的格式和句子结构呈现每一个论据";
String target = "根据领域关系可以合并领域相同或相似的句子，得到句群及其领域";
SimilarityRatio lt = new SimilarityRatio();
System.out.println("similarityRatio=" + lt.getSimilarityRatio(str, target));
}
}