编辑距离

  编辑距离,又称Levenshtein距离(也叫做Edit Distance),是指两个字串之间,由一个转成另一个所需的最少编辑操作次数。


  许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。

  例如将 kitten一字转成sitting:
  sitten (k→s)
  sittin (e→i)
  sitting (→g)
  俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。

  应用
  DNA分析
  拼字检查
  语音辨识
  抄袭侦测

  算法
  动态规划经常被用来作为这个问题的解决手段之一。
  整数 Levenshtein距离(字符串 str1[1..m], 字符串 str2[1..n])

  //声明变量, d[i , j]用于记录str1[1...i]与str2[1..j]的Levenshtein距离
  int d[0..m, 0..n]   //初始化
  for i from 0 to m
  d[i, 0] := i
  for j from 0 to n
  d[0, j] := j


  //用动态规划方法计算Levenshtein距离
  for i from 1 to m
  for j from 1 to n
  {
  //计算替换操作的代价,如果两个字符相同,则替换操作代价为0,否则为1
  if str1[i]== str2[j] then cost := 0
  else cost := 1
  //d[i,j]的Levenshtein距离,可以有
  d[i, j] := minimum(
  d[i-1, j] + 1, //在str2上j位置删除字符(或者在str1上i-1位置插入字符)
  d[i, j-1] + 1, //在str2上j-1位置插入字符(或者在str1上i位置删除字符)
  d[i-1, j-1] + cost // 替换操作
  )
  }
  //返回d[m, n]
  return d[m, n]

  wikisource上有不同的编程语言的版本。
posted @ 2011-12-30 01:58  傲雪星枫  阅读(297)  评论(0编辑  收藏  举报